EXP-3D-CAJU3D-FUSENET-V1：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"
结论：JEPA_FUSION_NOT_ESTABLISHED；次要发现：学到的读出（不用 JEPA）大幅改善 Core B，几乎全部来自对未覆盖区域 R7 填充的修正。
- JEPA 部分不成立：在相同结构的网络里加入 H-JEPA 的查询格预测（ẑ、log P、命中），没有改进学到的读出。
- P1（SYSTEM3）：−0.00098，80/0/80；
- P2（VAL）：+0.00186，34/0/46。
- 不用 JEPA 的学到的读出（FUSE_BASE）：
| 队列 | Core B → FUSE_BASE | 差值 [95% CI] | 场所 好/平/坏 | 判定 |
|---|---|---|---|---|
| SYSTEM3 | 0.1569 → 0.1143 | +0.0426 [+0.0204, +0.0739] | 119/0/41 | PARTIAL |
| VAL | 0.1161 → 0.0984 | +0.0176 [+0.0093, +0.0270] | 63/0/17 | SUPPORTED |
- 改善偏重尾：中位场所只改善 +0.006（SYSTEM3）和 +0.008（VAL），约四分之一的场所略变差。
- 改善集中在 Core B 本来误差很大的场所（秩相关 0.56）。
设计（PROTOCOL.md，2026-10-14 22:20:46 锁定，sha256 fda3cf90…）
- 队列：与 KFUSE-V1 相同，根目录文件逐字节复制。
- 拟合集 SYSTEM + SYSTEM2，按种子划分为 128 个训练场所和 32 个验证场所；
- 确认集 SYSTEM3（160 个场所）和 VAL（80 个场所）。
- 输入（只来自到达数据和查询相机）：
- 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；
- JEPA 臂另加 66 通道：第二步冻结的 H-JEPA 在查询格上的 ẑ、log P、命中。
- FuseNet：
- 5 层膨胀卷积，32 通道；
- 已覆盖像素输出卡尔曼式权重 w，结果为 R7^(1−w)·F7^w；
- 未覆盖像素输出有界修正 r = 0.7·tanh(·)，结果为 R7·e^r；
- 输出头初始化为零，未训练时等于 Core B。
- 训练：
- 每个臂 3 个种子，30 个 epoch，Adam lr 1e-3，损失为场所加权的 AbsRel；
- 每个种子取验证集上最好的 epoch；读出取三个种子的平均；
- 6 个网络在 GPU 4 上共用 136 秒。
- 模型哈希记录之后，才读取确认集真值。
- 完整性：
- 8 个测试通过；
- 特征排练与第三步的 log P 完全一致；
- 确认在 CPU 上运行两次，逐字节一致。
结果（confirm_results.json）
| 臂 | SYSTEM3（160） | VAL（80） |
|---|---|---|
| CORE_B | 0.15689 | 0.11608 |
| KF_BASE（第三步的分箱表） | 0.15381 | 0.11341 |
| FUSE_BASE_W（关掉未覆盖修正） | 0.15436 | 0.11401 |
| FUSE_BASE | 0.11431 | 0.09844 |
| FUSE_JEPA | 0.11530 | 0.09658 |
| 对比（> 0：右边更好） | SYSTEM3 | VAL |
|---|---|---|
| P：FUSE_BASE − FUSE_JEPA | −0.00098 [−0.00448, +0.00252]，80/0/80，NOT_ESTABLISHED | +0.00186 [−0.00230, +0.00656]，34/0/46，NOT_ESTABLISHED |
| CORE_B − FUSE_BASE | +0.04257，119/0/41，PARTIAL | +0.01764，63/0/17，SUPPORTED |
| KF_BASE − FUSE_BASE | +0.03949，111/0/49，PARTIAL | +0.01497，50/0/30，PARTIAL |
| FUSE_BASE_W − FUSE_BASE（未覆盖修正的贡献） | +0.04004，119/0/41，PARTIAL | +0.01557，59/0/21，PARTIAL |
| KF_BASE − FUSE_BASE_W（只比已覆盖像素的权重） | −0.00055，44/0/116，HARMFUL | −0.00060，19/0/61，HARMFUL |
描述性分析（describe.json）
每个种子单独看都稳定： - SYSTEM3：BASE 三个种子为 0.1173、0.1173、0.1145，JEPA 三个种子为 0.1181、0.1189、0.1175； - VAL：BASE 为 0.1002、0.0994、0.0998，JEPA 为 0.0995、0.0986、0.0992。
像素级 AbsRel（SYSTEM3）：
| 区域 | 像素占比 | Core B | FUSE_BASE |
|---|---|---|---|
| 已覆盖 | 71% | 0.048 | 0.044 |
| 未覆盖、R7 直接重投影 | 8% | 0.265 | 0.204 |
| 未覆盖、R7 为填充值 | 21% | 0.488 | 0.320 |
VAL 上未覆盖区域的 AbsRel 从 0.298 降到 0.242。
修正量 r： - 均值 +0.04，正负各约一半； - 约 7–8% 的未覆盖像素接近 ±0.7 的上限。
逐场所改善的分位数：
| 队列 | 最小 | 25% | 中位 | 75% | 最大 |
|---|---|---|---|---|---|
| SYSTEM3 | −0.049 | −0.0001 | +0.0064 | +0.028 | +1.675 |
| VAL | −0.081 | +0.0008 | +0.0078 | +0.026 | +0.208 |
最大的改善来自 Core B 严重出错的场所：R7 的填充值与真实深度相差几倍。
解读
- JEPA 在第四个角色里也没有作用：
- 前面已检验过三个角色：挑 TTT 的测量、读出的方差 P、何时更新（Gate 0）。
- 本实验给出 H-JEPA 预测的完整潜特征，学到的读出也没有因此变好。
- 最大的可改进之处在未覆盖区域：
- R7 在那里用最近邻或调和插值加常数填充，误差很大（远处 AbsRel 0.49）。
- 一个只看到达数据的小网络，就能消掉约三分之一。
- 这与以前补全线的结论一致：平均改善大、逐场所不稳。
- 不同的是，这里在同域、用与部署时相同的输入训练，系统级均值改善显著。
- 在已覆盖像素上，学到的权重不如冻结的分箱表（−0.0006），说明那里的信息已被分箱表用尽。
- 下一步：
- 冻结的 FUSE_BASE 已在 CAJU-V1 的 58 个场所上预注册复现：0.1176 → 0.0979，48/0/10，REPLICATED（EXP-3D-CAJU3D-FUSENET-REPL-V1）。
- 若要实际采用，需要专门改进逐场所的一致性，例如用分箱表处理已覆盖像素、只学未覆盖修正，并在全新队列上确认。
文件
- 代码：
code/。 - 查询特征：
fn_query_features.py； - 输入：
fn_data.py； - 网络：
fn_model.py； - 训练：
fn_train.py； - 确认：
fn_score.py； - 锁定：
fn_lock.py； - 任务：
fn_jobs.sh； - 测试：
test_fn.py。 - 分析：
analysis/fn_describe.py。 - 记录：
preregistration.json、audit/（锁定、模型哈希、排练、链、两次确认的一致性）、results/、scores/。 - 不进 git：查询特征
features/。模型权重models/很小（每个 166–189 KB），但由 ARKitScenes 训练，同样不进 git，哈希记在 audit/fit_log.txt。