EXP-3D-RGBD-DEPTHSPLAT-JEPA-ARKIT-OVERLAP-V1：重叠感知的真实数据逆向 JEPA

结论：OVERLAP_JEPA_PARTIAL，OVERLAP_TRAINING_NOT_ESTABLISHED。

• 在有重叠的新查询上，平均改善明显，但不一致（O1，PARTIAL）。
  • 查询改为与上下文部分重叠的第 6、7 帧后，真实数据训练的逆向 JEPA 在 FAR 上平均明显好于调和插值：AbsRel 从 0.452 降到 0.341，约 −24%。
  • 但只有 54% 的场景变好（80/0/67），中位数只有 +0.005。逐一剔除场景后均值都为正，最大单场景贡献 0.057；O1 只差"≥ 75% 场景不变差"这一项。
• 重叠感知训练没有带来额外收益（O2，NOT_ESTABLISHED）。 原配方训练的 JA 在同样的查询上是 0.337，与 JO 打平。原配方的训练目标里，本来就有约 57% 与上下文有重叠（命中比例 ≥ 0.05）。
• 其他结论：
  • 真实数据训练比合成数据训练好：Hypersim 训练的 J 是 0.407，对比调和插值不成立。
  • 但真实数据训练只追平了旧基座。Hypersim 训练的小载体 G1（归一化读出）是 0.344，均值与 JO 打平。JO 在 96/147 个场景更好（中位数 +0.028），但少数场景差得多。
  • 把 JO 与调和插值取平均（HJO）更一致：65% 的场景变好，中位数 +0.016，但仍是 PARTIAL。
• 与 JEPA-ARKIT-V1 合起来看：
  • 在重叠较多的近处视角（第 6、7 帧）上，学到的补全平均能带来约 1/4 的误差下降。
  • 在重叠很少的远处视角（第 14、15 帧中有命中的查询）上，它与调和插值打平。
  • 两种情况都过不了一致性门槛。

说明：

• 预注册： 见 PROTOCOL.md，2026-10-09 01:19:13 锁定，sha256 27d25dd4…。锁定时 JEPA-ARKIT-V1 还没有任何结果。
• 训练（JO1–JO3）： 沿用 JEPA-ARKIT-V1 的配方，只改一处：目标帧只从上下文命中比例 ≥ 0.05 的帧中抽取（4732 个帧对中有 2697 个合格，364 个"记录 × 角色"中有 356 个至少有 2 个合格帧）。每个种子 1.6 小时，6.2 GB。
• 评估： ARKIT160_OVERLAP，即 ARKIT160 的 160 个扫描。
  • 查询为第 6、7 帧，它们从未被评估过，也从未作为输入；只有 1 个记录因冲突顺延为 [7, 9]。
  • 640 个查询中有 122 个没有上下文命中。147 个场景有 FARH 像素。
• 执行：
  • arms 封存在 CPU 上于 01:19 开始。原任务链在 01:33:45 被替换，封存恰好在同一秒完成，640 个哈希都已核对。
  • GPU 部分排在 EXP-3D-RGBD-DEPTHSPLAT-JEPA-BASE-TTT-ARKIT-V1 之后，04:10 开始。见 audit/execution_note.txt。
  • 分析运行两次，结果逐字节相同。
• 统计： 统计单位是场景，bootstrap 10,000 次，种子 20260928，判定用 V2 gate。

训练

DEV 读数取 ARKit 训练折的 8 个扫描、第 14、15 帧（与 JA 相同，只作记录），格式为"被覆盖像素 AbsRel / 覆盖率"：

训练损失明显低于 JA（深度项约 0.15，JA 为 0.35–0.45），因为目标都与上下文有重叠。

结果

FARH 指有上下文命中的查询中的 FAR 区域，共 147 个场景。

FARH 均值与覆盖率：

• 按来源队列： FARH 上 H3 → JO，ARKIT_VAL 为 0.471 → 0.354，ARKIT_CONFIRM 为 0.431 → 0.328，两个队列方向一致。
• 全部查询的 FAR（含 122 个无命中的查询）：H3 0.614，H3CAL 0.430，JO 0.454，JO_CAL 0.351。
• NEAR： H3 0.143，JO 0.114。

解读

• 学到的补全在真实数据上"平均有效、逐场景不稳"。
  • 在部分可见的视角上，三种学到的补全都把 FAR 误差从 0.45 降到约 0.34：ARKit 训练的 JO、JA，以及 Hypersim 训练的小载体 G1N。
  • 但改善集中在一部分场景，中位场景几乎不变。这与 Hypersim 上旧载体（V17、V18）的情形一样：均值改善，约 2/3 的场景变好，过不了一致性门槛。
• 训练数据的作用：
  • 用真实数据训练，DepthSplat-JEPA 从 0.407（Hypersim 训练）提升到 0.34，这是真实数据训练的实际收益。
  • 但只追平了一个 6.4 万参数、在 Hypersim 上训练的小载体。
  • 只在有重叠的目标上训练，没有额外收益。
• 重叠决定了补全能做多少。 与 JEPA-ARKIT-V1 合起来看：近处视角（第 6、7 帧）上学到的补全平均降约 1/4 的误差；远处视角（第 14、15 帧）即使有命中，也与调和插值打平；完全无重叠时，只能学到"室内大概多深"。
• 下一步应关注一致性而不是均值。 例如：
  • 弃权：只在模型有把握的像素上使用学到的补全；
  • 与调和插值集成：HJO 已经把一致性从 54% 提到 65%；
  • 弄清哪些场景会变差。

文件

• PROTOCOL.md、preregistration.json、frame_role_lock.json、evaluation_contract.json、manifest_arkit160_overlap.json
• hit_shares_ARKIT160.json：评估记录的命中表，仅供参考
• training/hit_shares_TRAIN.json：训练用的命中表
• code/：
  • train_jepa_arkit_overlap.py，由 derive_train_overlap.py 生成
  • 建目录、锁定、任务和打分脚本，以及 hit_share_table.py
• checkpoints/JO1–JO3/（含 SHA256SUMS）
• raw/eval/ARKIT160_OVERLAP/：arms 封存
• ds/ARKIT160_OVERLAP/：JO1–3、JA1–3、J1–3、ZS3 的 DepthSplat 封存
• scores/、results/、audit/

事后探索：一致性门控（探索性，样本内）

exploratory_posthoc/gating_explore.* 在同一批封存和真值上（FARH，147 个场景）比较了几种组合，所有组合在不满足条件的像素上都回退到 H3：

• 门控没有提高一致性。 不论按种子一致性还是按两种独立模型一致性筛选像素，变好的场景都在 50–55% 之间。不一致不是像素级的不确定，而是场景级的：约 45% 的场景里，任何学到的补全都不如调和插值。
• 两种独立模型取平均最有效，但只体现在均值上。 JO 与 G1N 取平均把均值降到 0.301（约 −33%），但一致性不变。
• 以上是样本内的探索，没有用于任何预注册判定。