EXP-3D-RGBD-COMPLETION-SELECTOR-FAR-ARKIT-V1：深度范围选择规则能否推广到远处视角

结论：FAR_SELECTOR_CONSISTENT。

主检验（P1）：规则推广到了远处视角。 选择规则（上下文深度范围 S ≥ 1.2 时用学到的补全，否则用调和插值）在同一批 80 个全新扫描的远处视角（第 14、15 帧）上仍然稳定胜过调和插值：
- FARH AbsRel 从 0.452 降到 0.394；
- 差值 +0.0577 [+0.0058, +0.1083]；
- 好/平/差 24/17/12，77% 的场景不变差，SUPPORTED。
小载体成立，DepthSplat-JEPA 不成立。
- Hypersim 训练的小载体 G1 也成立：+0.058，28/17/8，SUPPORTED。
- DepthSplat 逆向 JEPA 不成立：JO +0.022、JA +0.042，95% CI 都包含 0。
不选择时，四种模型都不成立： 远处视角上，学到的补全平均只与调和插值打平。
增益比近处视角小，机制相同：
- 误差降低约 13%，近处视角是 21%；主检验也是勉强通过，CI 下界为 +0.006，不变差比例 77%。
- 被选中的查询（100 个）：调和插值 0.540，GA 0.460，GA 在 70% 的查询上更好。
- 未选中的查询（66 个）：0.322 对 0.351，GA 只在 30% 的查询上更好。
- 场景层面，S 与增益的 Spearman 相关为 +0.40。

说明：

预注册： 见 PROTOCOL.md，2026-10-09 11:10:24 锁定，sha256 62fcff3c…。
- 规则、阈值和每个 episode 的 S 都直接沿用 EXP-3D-RGBD-COMPLETION-SELECTOR-ARKIT-V1（S 只取决于上下文，选择器封存逐字节复制）。
- 这批扫描的第 14、15 帧此前从未被评估过。
数据： ARKIT_SELECT 共 80 个扫描、320 个查询。其中 144 个查询没有上下文命中，53 个场景有 FARH 像素。
模型： 全部冻结。
- G1、GA：arms 评估器，CPU；
- JO1–3（OVERLAP-V1）、JA1–3（JEPA-ARKIT-V1）：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；平局计为不变差。

结果（FARH，53 个场景）

编号	对比（> 0 表示右边更好）	均值	95% CI	好/平/差	状态
P1	H3 − SEL_GAN	+0.0577	[+0.0058, +0.1083]	24/17/12	SUPPORTED
S1	H3 − SEL_G1N	+0.0579	[+0.0173, +0.1008]	28/17/8	SUPPORTED
S2	H3 − SEL_JO	+0.0218	[−0.0185, +0.0625]	23/17/13	NOT_ESTABLISHED
S3	H3 − SEL_JA	+0.0422	[−0.0092, +0.0978]	23/17/13	NOT_ESTABLISHED
S4	H3 − GAN	+0.0384	[−0.0267, +0.1038]	27/0/26	NOT_ESTABLISHED
S5	H3 − G1N	+0.0244	[−0.0309, +0.0826]	28/0/25	NOT_ESTABLISHED
S6	H3 − JO	+0.0025	[−0.0447, +0.0517]	29/0/24	NOT_ESTABLISHED
S7	H3 − JA	+0.0246	[−0.0323, +0.0849]	29/0/24	NOT_ESTABLISHED
S8	GAN − SEL_GAN	+0.0193	[−0.0129, +0.0535]	18/27/8	NOT_ESTABLISHED

FARH 均值：

选择规则在真实数据上是稳健的。
- 近处视角（SELECTOR-V1）和远处视角（本实验）都通过了 V2 gate。
- 在两种视角上，选择后的结果都比不选择更好、更一致。
规则的作用是识别"调和插值会失败的场景"。
- 远处视角上，学到的补全整体只与调和插值打平；但在深度层次丰富的场景里，它仍然明显更好（70% 的查询）。
- 在近似平面的场景里，它会添乱（只有 30% 的查询更好）。
小载体比 DepthSplat-JEPA 更适合做远处补全。
- 选择之后，两个约 6.4 万参数的小载体（GA、G1）都通过了。
- 两个 DepthSplat-JEPA 都没有通过：它们在远处视角上的覆盖与精度都不够。
局限： 有 FARH 的场景只有 53 个；主检验勉强通过（CI 下界 +0.006）；扫描与 SELECTOR-V1 相同。