EXP-3D-CAJU3D-FUSENET-V1 预注册协议（CAJU-3D 第四步：学到的按像素读出——JEPA 的完整潜预测能否帮助"信谁"）

0. 背景

前三步的结论：
JEPA 在两个角色里都没有作用：挑 TTT 的测量（第二步），以及作为读出融合的方差 P（第三步）。
非 JEPA 的卡尔曼式按像素融合（KF_BASE，分箱表）在三批场所上都改善了 Core B，约 2%。
本实验检验 JEPA 最强的用法：让一个小网络直接使用 H-JEPA 在查询视角预测的完整潜特征 ẑ（64 通道）以及 log P、命中掩码，学习每个像素怎么融合。
在已覆盖像素上，网络给出 F7 与 R7 的权重；
在未覆盖像素上，网络给出对 R7 的有界修正。这部分占 Core B 一半的误差。
对照：一个结构、训练流程完全相同、只是不输入 JEPA 特征的网络。
同时回答一个实用问题：学到的融合能否超过冻结的分箱表。

队列：与 KFUSE-V1 相同，根目录文件逐字节复制。
拟合集：SYSTEM + SYSTEM2，160 个场所。按种子 20261100 一次性分为 128 个训练场所和 32 个验证场所。
确认集：CONF_SYSTEM3（160 个场所，P1）和 CONF_VAL（80 个场所，P2）。
四个队列互不重叠，也不与 H-JEPA 的训练数据重叠。
输入（只来自到达数据）：
基础图像 8 通道：log R7、log F7、分歧、α、near7、cosine、是否已覆盖、log TTT 原始深度（α 下限 1e-3，截断到 0.1–20 m）；
JEPA 66 通道：第二步冻结的 H-JEPA 从 7 个到达视角预测的查询格 ẑ、log P、命中。只用查询相机的参数，不读查询帧的图像或深度，目标编码器不运行。

FuseNet：
JEPA 特征先经 1×1 卷积压到 16 通道，再上采样拼接；
主干是 5 层 3×3 卷积，32 通道，膨胀率 1、2、4、8、1，GroupNorm + GELU；
输出两张图：
- 已覆盖像素的权重 w = sigmoid(·)，log 预测 = (1−w)·log R7 + w·log F7；
- 未覆盖像素的修正 r = 0.7·tanh(·)，log 预测 = log R7 + r。
输出头初始化为零，所以未训练时恰好等于 Core B。
两个臂：FUSE_BASE（只用基础图像）和 FUSE_JEPA（加 JEPA 特征）。
训练：
每个臂 3 个种子（20261101–20261103）；
Adam，lr 1e-3，权重衰减 1e-4，30 个 epoch，每批 8 个查询；
损失为场所加权的 AbsRel；
每个种子保留验证集场所级 AbsRel 最低的 epoch。
模型哈希写入 audit/fit_log.txt 之后，才读取确认集真值。
读出：每个臂取 3 个种子的 log 预测平均。

主检验：
P1 = FUSE_BASE − FUSE_JEPA（CONF_SYSTEM3，正值表示 JEPA 特征有帮助），用 V1 的配对场所 bootstrap 和 V2 判定；
P2：在 CONF_VAL 上做同样的比较。
分支：
P1 为 SUPPORTED 且 P2 均值 > 0 → JEPA_FUSION_SUPPORTED；
P1 为 SUPPORTED 或 PARTIAL → PARTIAL；
P1 为 HARMFUL → HARMFUL；
其余 → NOT_ESTABLISHED。
次要：
KF_BASE − FUSE_BASE：学到的融合是否胜过冻结的分箱表；
CORE_B − FUSE_BASE、CORE_B − FUSE_JEPA、KF_BASE − FUSE_JEPA；
FUSE_BASE_W − FUSE_BASE：未覆盖修正的贡献，_W 表示关掉修正；
KF_BASE − FUSE_BASE_W。