一句话定义：可变形卷积（Deformable Convolution）是一种卷积变体，它的卷积核不再固定采样在规则网格上，而是为每个采样点学出一个偏移量，让采样位置自己移到信息量更大的地方。
原理拆解。标准 3×3 卷积像拿一张方格纸盖在特征图上，固定取九个点加权求和。这个固定网格默认图像内容是对齐的，但现实里的手会弯、字会歪、器官会变形，格子压上去经常正好错过轮廓。
可变形卷积给这九个点各配一对偏移量（Δx, Δy），3×3 就是 18 个数。这 18 个数由另一路普通卷积从同一张特征图上预测出来，与主网络一起端到端训练，因此模型会自己学出该往哪里挪。偏移后的坐标通常落在像素之间，于是用双线性插值（bilinear interpolation）把该位置的值读出来，插值可导，梯度仍能正常回传。后续改进版还给每个采样点加了一个调制权重（modulation scalar），相当于给每个点再配一个 0 到 1 的“认真程度”，让网络能忽略明显无用的位置。
打个比方：隔着方格纸看一张糊掉的照片找笔画，格子对不上就漏掉；可变形卷积相当于让每个格子伸出一根带弹性的触手，自己摸到笔画上去。
和相邻概念的区别：
| 方案 | 采样位置 | 是否随内容自适应 | 主要代价 |
|---|---|---|---|
| 标准卷积 | 固定网格 | 否 | 低，硬件友好 |
| 空洞卷积（Dilated Convolution） | 固定网格，间距拉大 | 否 | 低，仅扩大感受野 |
| 可变形卷积 | 网格加学习到的偏移 | 是，逐位置、逐采样点 | 中高，访存不规则 |
| 自注意力（AI 词典：Self-Attention">Self-Attention） | 全图加权聚合 | 是，全局 | 较高，计算量大 |
和空间变换网络（Spatial Transformer Network）相比，后者对整张特征图做一次全局的几何变换，可变形卷积则是局部、每个位置各有各的偏移，粒度细得多。
对从业者的实际意义：在目标检测、实例分割、OCR 这类目标形状变化大的任务里，可变形卷积能明显帮上忙，比如弯曲文字、行人姿态、医学影像中的软组织。但它带来的代价很实际：多了一路卷积负责预测偏移，多了一次插值，采样地址不连续导致显存访问不规整，实际推理速度往往比同规模普通卷积慢，量化与端侧部署的支持程度各家框架不一，用前请以对应框架的官方文档为准。
对普通人的意义：手机相册里的自动抠图、把歪斜的票据文字识别出来、辅助驾驶识别行人动作，背后都可能有这类“会挪位置的卷积”在起作用。它说明一件事：模型不只在学“看什么”，也在学“往哪儿看”。