EXP-3D-RGBD-COMPLETION-SELECTOR-ARKIT-V1：用上下文深度范围决定何时使用学到的补全

结论：SELECTOR_CONSISTENT。

• 主检验通过（P1）。
  • 在 80 个全新的 ARKit 真实扫描上，规则是：上下文深度范围 S ≥ 1.2 时用 ARKit 训练的补全载体（GA），否则用调和插值。
  • 这条规则稳定胜过调和插值：FARH AbsRel 从 0.523 降到 0.411，差值 +0.1115 [+0.0600, +0.1675]，好/平/差 32/31/9。
  • 88% 的场景不变差，逐一剔除场景后的均值都为正，单个场景的最大正贡献占比 0.11，V2 gate 全部通过。
• 这是这条研究线上第一个预注册、样本外、在真实数据上通过 V2 gate 的补全结果。
• 规则对三种模型都成立：
  • Hypersim 训练的小载体 G1：+0.114，31/31/10，SUPPORTED；
  • ARKit 训练的 DepthSplat 逆向 JEPA（JO）：+0.073，29/31/12，SUPPORTED。
• 不做选择时，三种模型都只是 PARTIAL。 例如 GA 为 +0.101，但只有 42/72 个场景变好。选择几乎不损失平均增益：GA − SEL_GAN = +0.0105，不显著。
• 机制很清楚：
  • 上下文深度变化大的查询（118 个）：调和插值误差 0.694，GA 0.447，GA 在 81% 的查询上更好。
  • 深度变化小的查询（100 个）：调和插值本来就准（0.292），GA 反而略差（0.305），只在 39% 的查询上更好。
  • 场景层面，深度范围与 GA 增益的 Spearman 相关为 +0.57，与样本内的 +0.42 到 +0.56 一致。

说明：

• 预注册： 见 PROTOCOL.md。
  • 计划锁：2026-10-09 10:42:42，写在下载任何新数据之前（audit/plan_locked_at.txt）。
  • 正式锁定：10:51:00，sha256 c6dc93e1…。
  • 规则与阈值 1.2 来自 EXP-3D-RGBD-CARRIER-ARKIT-OVERLAP-V1 的事后探索（样本内）；本实验是它在全新数据上的第一次检验。
• 修订 1（11:05:48，只修复打分代码的一个错误）：
  • 第一次打分时，有些查询 NEAR 之外没有像素，"分歧"一项为 NaN，写文件时被拒，运行中止。中止前没有产生、也没有看到任何结果。
  • 修复：这类查询的分歧记为空值。它们本来就没有 FARH 像素，不进入任何对比。
  • 原文件和失败日志都保留在 audit/。
• 数据： EXP-3D-RGBD-ARKIT-SELECT-DATA-V1。
  • 取训练折种子顺序第 520–679 位场馆，按顺序准备到 80 个合格（62 个不合格）。
  • 这些场馆与所有训练数据、VAL 和 CONFIRM 队列都不相交，此前从未被使用。
  • 查询为第 6、7 帧。320 个查询中有 72 个没有上下文命中，72 个场景有 FARH 像素。
  • 160 个 episode 中有 70 个 S ≥ 1.2；在有命中查询的 131 个 episode 中，有 65 个被选中。
• 模型： 全部冻结，本实验不训练任何模型。
  • G1、GA：arms 评估器，CPU，各 3 个种子，第 24000 步。
  • JO1–JO3：V1 的 ds_eval.py，只跑 CTX，尺度上限 3.0，GPU。
• 执行与统计：
  • 分析运行两次，结果逐字节相同。
  • 统计单位是场景，bootstrap 10,000 次，种子 20260928，判定用 V2 gate；平局（选择器取 H3 的场景）计为不变差。

结果（FARH，72 个场景）

FARH 均值：

解读

• 学到的补全在真实数据上的"不一致"是可预测的。
  • 调和插值在深度层次丰富的场景里失败，学到的补全在那里大幅改善；在近似平面的场景里，调和插值已经很好，学到的补全只会添乱。
  • 上下文深度范围（三个上下文帧测得深度的 (p90 − p10) / 中位数）不需要任何真值，就能把这两类场景分开。
• 这条规则与模型无关。 对 ARKit 训练的小载体、Hypersim 训练的小载体和 DepthSplat 逆向 JEPA 都有效。所以它反映的是场景几何的性质，而不是某个模型的特点。
• 实用意义： 在真实 RGB-D 序列上补全未观测区域，可以用"深度范围 ≥ 1.2 时用学到的补全，否则用调和插值"。在本队列上，平均误差降低约 21%，而且 88% 的场景不变差。
• 局限：
  • 只有 80 个扫描（72 个有 FARH）。
  • 只检验了近处视角（第 6、7 帧）。
  • 阈值来自一次样本内探索，没有优化过，换一个数据集可能需要重新标定。

文件

• PROTOCOL.md（末尾追加了修订 1）、preregistration.json、audit/plan_locked_at.txt
• frame_role_lock.json、evaluation_contract.json、manifest_arkit_select_overlap.json
• selector_seal.json：每个 episode 的 S 与选择决定，在读取任何真值之前封存
• code/：建目录、锁定、任务与打分脚本
• raw/eval/ARKIT_SELECT/：arms 封存（G1、GA）
• ds/ARKIT_SELECT/：JO1–3 的 DepthSplat 封存
• scores/、results/
• audit/：修订 1、原打分文件、失败日志
• 数据准备：../EXP-3D-RGBD-ARKIT-SELECT-DATA-V1/

事后探索：Hypersim 上的同一规则（探索性）

exploratory_posthoc/hypersim_selector_check.* 在 Hypersim 的 EVAL34 与 FRESH78 上，对 Hypersim 训练的小载体 G1（归一化读出）检查同一条规则。这两个队列已被反复使用，只作参考。

• 在合成数据上，深度范围几乎不能预测增益。 学到的补全在大多数场景都有帮助（约 70%），所以选择虽然也让结果一致，但会丢掉一半以上的平均增益。
• 在真实数据（ARKit）上，这个信号很强。 深度变化小的场景里，调和插值已经很准（0.29），学到的补全没有用处，所以选择几乎不损失增益。
• 这条规则的价值取决于数据，不能当作普适的几何规律。 它适用于真实 RGB-D 扫描。换到新的数据集，应该先检查 S 与增益的关系。