NEXT_METHOD_PROPOSAL：下一项机制（只推荐一个）
结论先行
- 整体建议是 No-Go（见 README.md）：在现有输入上，三个候选方向的增益上界都低于 0.005 的实际意义门槛。
- 如果仍要继续，只推荐一个方向：候选 A 的"证据分型可靠读出"（Evidence-Typed Readout，ETR）。
- 它的精度部分已被修正案 3 否定，剩下的主张只能是可靠性：给出按证据类型校准的不确定性。
- 第一步只需 CPU，0 GPU 小时；如果连这一步都不通过，就结束。
证据：剩余误差在哪里，哪些机制还有空间
B7 剩余误差的分布（像素 AbsRel × 像素数，合并 4 折）
| 区域 | 像素占比 | 像素 AbsRel | 误差占比 |
|---|---|---|---|
| 已覆盖（TTT α ≥ 0.5） | 72% | 0.042 | 29% |
| 未覆盖、靠近命中 | 7% | 0.204 | 14% |
| 未覆盖、填充 | 21% | 0.278 | 56% |
各类机制的增益（相对 B7 或其同结构对照的场所平均 AbsRel 改善，95% CI）
| 机制 | 来源 | 增益 | 是否超过 0.005 |
|---|---|---|---|
| 两视角共享修正，理想对应（候选 B 的上界） | 修正案 2 | +0.0008 [+0.0003, +0.0015] | 否 |
| 逐像素选两视角中较好者，用真值挑选（超神谕） | 修正案 2 | +0.0041 [+0.0030, +0.0057] | 否 |
| 自由空间下界截断（候选 A 的几何核心，可部署） | 修正案 3 | +0.0003 [+0.0002, +0.0005] | 否 |
| 同一视角内的可信度融合：64 箱表对固定 0.5 | Phase 1 | +0.0030 [+0.0023, +0.0038] | 否 |
| 100 步 TTT，在 KF 表 + V2 结构中 | 修正案 1 | +0.0064 [+0.0036, +0.0094] | 是，但只在已覆盖像素，耗时 45 倍 |
| 学习的空间上下文：B7 对参数量相同的逐像素 MLP | Phase 1 | +0.0158 [+0.0109, +0.0216] | 是 |
| 前馈 DepthSplat 的学习先验：SYS_B 对只用几何的 SYS_A | Phase 2 | +0.0159 [+0.0101, +0.0241] | 是 |
由此得到的判断
- 一半以上的剩余误差在没有任何到达帧观测到的区域。
- 在同样的输入上做几何推理，空间都很小：
- 跨视角共享，两个视角的对数误差相关系数为 0.78，它们犯的是同一个错；
- 自由空间约束，V2 只有 1.5% 的未覆盖像素违反下界，而 R7 为 7.1%；
- 换一种融合规则。
- 真正起作用的是学习到的先验（空间上下文、DepthSplat 特征），以及 TTT 在有测量处的贴合。
- 瓶颈是信息，不是读出机制。
推荐方向：证据分型可靠读出（ETR）
数学定义
对查询像素 u 及其射线 r_u(t) = o + t·d_u，只用 7 个到达帧和查询相机：
- 测量命中：H(u) = 到达帧中重投影到 u（1 像素内）的测量点集合；有命中时 m(u) 为最近的射线距离（即 R7 的命中值）。
- 自由空间：F(u) = { t : 存在到达帧 j，使 |r_u(t) − c_j| < D_j(π_j(r_u(t)))·(1 − ρ) − δ }，取 ρ = 0.05、δ = 0.05 m。
- 下界：t_lb(u) = 从近端开始、连续落在 F(u) 中的前缀的终点；没有这样的前缀时为 0。
- 证据类型：
- H(u) 非空时，e(u) = MEASURED；
- 否则 t_lb(u) > 0 时，e(u) = CARVED；
- 其余为 UNSEEN。
- 读出：
- 点估计：log d̂(u) = log max(t_lb(u), b(u)) + Δ_θ(x_u)。其中 b 为 B7 的读出，Δ_θ 为有界修正。
- 尺度：σ_θ(u) > 0。
- 训练：在对数深度上用拉普拉斯负对数似然，权重为场所加权：
- L = Σ_u w_u · [ |log d̂(u) − log d*(u)| / σ_θ(u) + log σ_θ(u) ]。
- 校准：
- 对每种证据类型 e，在训练场所上取分位数 q_e，使 |log d̂ − log d*| / σ_θ ≤ q_e 的比例为 1 − α，即按类型做 split conformal。
- 输出区间为 [max(t_lb, d̂·e^(−q_e σ_θ)), d̂·e^(q_e σ_θ)]。在场所可交换的假设下，每种证据类型都有边际覆盖保证。
独立创新点（必须同时成立，否则不成立）
- 不确定性直接以"测量命中 / 自由空间 / 完全未见"三种证据类型为条件。这不同于只把置信度作为输入通道（DoubleTake），也不同于只数可见次数（GAVIS）。
- 区间的下端受自由空间约束，永远不覆盖已观测为空的空间。
- 场景是无图像查询视角上的流式 RGB-D。
坦白说：每一块都已有先例。三态来自 Curless & Levoy 1996，自由空间来自 Merrell 2007，此外还有共形预测、异方差回归。新意只在组合与任务设定上，单独不足以支撑 CVPR 主会。
失败条件（任一成立即停止）
- F1（已部分触发）：自由空间下界对精度的增益 < 0.005。修正案 3 的结果为 +0.0003，因此 ETR 不能以精度为卖点。
- F2：不训练新模型、只对 B7 残差按区域做 split conformal（第 0 步）时，覆盖率、平均区间宽度和 AUSE 与 ETR 相差都在 5% 以内。这说明没有方法贡献。
- F3：ETR 的场所平均 AbsRel 比 B7 差 0.002 以上。
- F4：留出折上任一证据类型的实际覆盖率偏离名义值 5 个百分点以上。
强基线
- B7 + 全局 split conformal；B7 + 按区域（覆盖、近命中、填充）split conformal；
- B7 三个种子的离散度，作为集成不确定性；MC dropout；
- 64 箱表残差分位数；
- DoubleTake 式"提示 + 置信度"；GAVIS 式可见性计数；Eldesokey 2020 式置信度传播。
最小可证伪实验
- 第 0 步：CPU，约 1 小时，不训练。
- 用保存的 B7 预测做留一队列 split conformal：用其余三折校准，在留出折评价。
- 报告每种证据类型的覆盖率、区间宽度、AUSE 和风险–覆盖曲线。
- 这一步给出 ETR 必须超过的基线；判定规则在第 1 步之前锁定。
- 第 1 步：GPU 4，约 2 GPU 小时。
- 在 B7 主干上加 σ_θ 头，3 个种子 × 4 折，与第 0 步比较 F2–F4。
- 第 1 步通过后，才需要考虑全新数据确认与第二个数据源。
计算投入
- 第 0 步：0 GPU 小时。
- 第 1 步：约 2 GPU 小时。
- 含消融：约 6 GPU 小时。
- 只用现有缓存与预测，不需要下载数据。
没有推荐的方向
- 候选 B（跨视角一致的共享修正）：
- 理想对应下的精度上界只有 +0.0008，逐像素挑选较好视角的超神谕也只有 +0.0041，都低于 0.005。
- 两个视角的误差高度相关（0.78）。
- B7 两视角的不一致确实存在（对数差的中位数约 0.05），所以 B 只剩"一致性"这个卖点；除非一致性本身就是目标，否则不值得开发。
- 候选 C（相关误差的可靠度融合）：
- 只有一种传感器，跨传感器的核心主张无法检验。
- 同一视角内的融合就是 64 箱表（+0.0030）；跨视角挑选的超神谕上界为 +0.0041。
- 更多 TTT、JEPA：任务书不允许在没有新证据时重新引入。修正案 1 表明，TTT 的价值只在已覆盖像素上，而且代价是 45 倍耗时。