EXP-3D-RGBD-DEPTHSPLAT-JEPA-ARKIT-V1：在真实传感器数据上训练逆向 JEPA

结论：REAL_JEPA_PARTIAL，REAL_DATA_TRAINING_PARTIAL。但修订 1 表明，这个增益几乎全部来自"替换掉一个错误的常数"，而不是补全。

• 主检验： 用 ARKit 真实数据训练的逆向 JEPA（JA）在 FAR 上胜过调和插值，+0.210，90/14/55，PARTIAL；也胜过用 Hypersim 训练的 J，+0.231，104/13/42，PARTIAL。两者都只差"≥ 75% 的场景不变差"这一项。
• 增益从哪来：
  • 约 47% 的评估查询与上下文完全没有重叠。这时调和插值整张图都是 Hypersim 的补洞常数 2.37 m，对室内近景严重偏远。
  • JA 的 FAR 覆盖率达到 0.65（J 0.36，发布权重 0.10），在这些视角上给出合理的室内深度，于是大幅胜过那个常数。
• 对照校准基线就不成立了（修订 1）：
  • 只把这个常数换成训练折拟合的 1.05 m，FAR AbsRel 就从 0.793 降到 0.418，比 JA 的 0.583 还好。
  • 在校准基线之上加 JA 反而更差：−0.029，57/14/88，HARMFUL。
  • 只看与上下文有重叠的查询，JA 与调和插值打平：+0.027，48/0/50，NOT_ESTABLISHED。
• 结论： 真实数据训练让模型学会了"室内场景大概多深"，但没有学会基于上下文的补全。
• 探索性： 归一化 G1 集成（HGN）在有重叠的查询上有一个小的稳定增益（+0.051，67/0/31），两个来源队列方向一致。

说明：

• 预注册： 见 PROTOCOL.md，2026-10-08 23:42:00 锁定，sha256 de61109d…。
• 修订 1： 2026-10-09 00:03:50 记录（audit/amendment_1.json，PROTOCOL 末尾追加）。
  • 记录时本实验尚未读取任何评估真值。
  • 它只新增一个用训练折拟合的校准调和基线和对应的对比（X1–X6），不改变 R1、R2、S1–S9。
• 训练数据： ARKitScenes 训练折中为训练保留的场馆（EXP-3D-RGBD-ARKIT-DATA-V1），TRAIN 182 个扫描，DEV 8 个扫描。
• 评估数据： ARKIT160 = ARKIT_VAL80 + ARKIT_CONFIRM80，共 160 个扫描、320 个 episode、640 个查询，与训练场馆不相交。159 个场景有 FAR 像素。
• 运行环境： 训练在 GPU 4 上与另一用户的常驻进程共用，其余在 CPU 上完成。主分析和修订分析都运行两次，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

• 三个种子同时训练，每个 4000 步，约 1.44 秒/步，各用时 1.6 小时，峰值显存 6.2 GB。
• 下表为 DEV（ARKit 训练折的 8 个扫描，第 14、15 帧）上的读数，格式为"被覆盖像素 AbsRel / 覆盖率"：

训练让覆盖率翻倍，但被覆盖像素的误差也随之上升。

预注册结果（159 个有 FAR 像素的场景）

• R1、R2 的逐一剔除场景均值都为正，正贡献最大的单个场景占比都 ≤ 0.5。它们只差"≥ 75% 的场景不变差"这一项（分别为 65% 和 74%）。中位数分别为 +0.025 和 +0.082。

FAR 均值：

• NEAR 上 JA 略差：0.248，H3 为 0.218。
• 按来源队列，FAR 上 H3 → JA：ARKIT_VAL 从 0.839 降到 0.566，ARKIT_CONFIRM 从 0.747 降到 0.600。

修订 1：调和插值在 ARKit 上为什么偏远，以及校准基线

原因： 修订前在训练折的 728 个查询上查明，只读训练数据：

• 一半查询完全没有上下文命中。 367 个（50%）查询中，3 个上下文帧的测得深度重投影后一个像素也落不到查询视角里。
• 这时调和插值整张图都是补洞常数 2.37 m。 这个常数取自 Hypersim 训练集，对 ARKit 的室内近景偏远。这部分查询的 FAR AbsRel 为 1.05，有命中的查询只有 0.38。
• 有命中的查询上，调和插值反而略偏近（中位 log(H3 / 真值) = −0.32），但按 AbsRel，不缩放已经最优。
• 评估队列同样如此。 ARKIT_VAL 的 320 个查询中 150 个无命中，ARKIT_CONFIRM 中 151 个；两个队列分别有 30 和 31 个场景的所有查询都无命中。相比之下，Hypersim 的 FRESH78 只有 0.6%（2/312），EVAL34 只有 1.2%（4/332）。
• 所以 ARKit 上的"补全"评估有一半其实是"猜一个完全没见过的视角的深度"，与 Hypersim 不是同一个任务。之前 README 中"偏远可能来自 2.37 m 常数"的猜测成立。

校准基线 H3CAL（训练折拟合）： 无命中的查询取常数 1.05 m，有命中的查询保持 H3（k = 1）。训练折上 FAR AbsRel 从 0.742 降到 0.379。

• 全部 FAR： H3CAL 为 0.418，JA_CAL 为 0.447。
• JA 覆盖的像素上： JA 为 0.450，H3CAL 为 0.394，H3 为 0.718。
• 有命中的查询上： H3 为 0.423，JA 为 0.396，HGN 为 0.372。

事后拆分（探索性，exploratory_posthoc/overlap_split.*）

只读修订 1 的场景表，按来源队列和"查询是否有上下文命中"拆开：

解读

• 真实数据训练确实改变了模型。 JA 在 FAR 上的覆盖率从 0.10 升到 0.65，在没见过的视角上给出合理的室内深度。这就是 R1 增益的来源。
• 但这不是补全：
  • 一个常数（1.05 m）就做得比它好；
  • 在校准基线之上加 JA 反而有害；
  • 在有重叠的查询上它与调和插值打平；
  • 在 NEAR 上它略差。
  • 训练中覆盖率上升、被覆盖像素精度下降，也指向同一件事：模型在学"把空白填上一个合理的室内深度"。
• 训练信号本身可能是问题。 训练目标从 13 个非上下文帧中均匀抽取，而其中 34% 与上下文完全没有重叠，模型被要求去"补"根本补不出来的视角。EXP-3D-RGBD-DEPTHSPLAT-JEPA-ARKIT-OVERLAP-V1 在本结果出来之前就已锁定，它只在有重叠的目标上训练，在有重叠的新查询帧上评估。
• 归一化 G1 集成的结论需要细化。 它在有重叠的查询上有小而方向一致的增益，两个队列都是如此，所以 CONFIRM 的结论不是常数造成的假象。但一致性为 68%，达不到 V2 的 75%。在无重叠的查询上它与调和插值一样，都退回到错误的常数。
• 对后续 ARKit 实验的含义： 无重叠查询应单独处理（例如用校准常数，或不作补全评估）；补全的评估应限定在有重叠的查询上。

文件

• PROTOCOL.md、preregistration.json、frame_role_lock.json、evaluation_contract.json、manifest_arkit160.json
• code/：训练（train_jepa_arkit.py，与 V1 的差异只在训练记录来源）、建目录、打分和任务脚本
• checkpoints/JA1–JA3/：训练所得权重与训练日志（SHA256SUMS）
• raw/eval/ARKIT160/：arms 封存；ds/ARKIT160/：JA1–3、J1–3、ZS3 的 DepthSplat 封存
• scores/、results/、audit/
• amendment_1/：
  • 校准：h3_calibration.py、h3_calibration_TRAIN.json；第一版单系数结果在 first_run_single_k/
  • 修订打分 amend1_score.py 及其结果
• exploratory_posthoc/：按来源队列与是否有上下文命中拆分（探索性）