# EXP-3D-RGBD-COMPLETION-ENSEMBLE-V1：学到的补全与调和插值取平均

**结论：E1 = ENSEMBLE_CONSISTENT，E2 = JEPA_NO_ADD。**

- **E1：** 把学到的补全和调和插值逐像素取平均，在 EVAL34（83 个场景）的 FAR 区域稳定地胜过调和插值，通过 V2 gate。三者平均（调和 + 逆向 JEPA + G1）为 +0.131 [+0.079, +0.193]，60/80 个场景变好。这是项目里第一次有补全结果在 FAR 上通过 V2 gate，包括场景一致性门槛。
- **E2：** 逆向 JEPA 训练出的 DepthSplat 状态没有为集成增加价值（−0.002，34/46）。有效的组合就是 (调和 + G1) / 2：+0.133，65/15，FAR 与 ALL 都 SUPPORTED。

**说明：**

- 预注册见 [PROTOCOL.md](PROTOCOL.md)。2026-10-08 05:41:37 锁定，sha256 `d6248ece…`。
- 假设来自 V1 之后在 FRESH78 上的探索性分析，记录在 `exploratory_source/`。EVAL34 对这个假设是样本外的，但这个队列本身以前被多次使用过。
- 统计单位是场景，bootstrap 10,000 次，种子 20260928，判定用 V2 gate。
- 分析运行两次，结果逐字节相同。保护集未打开，未推送。

## 主检验（FAR，80 个有 FAR 像素的场景）

| 检验 | 对比（> 0 表示右边更好） | 均值 | 95% CI | 好/平/差 | 留一场景均值 | 最大单场景占比 | 状态 |
| --- | --- | ---: | --- | --- | --- | ---: | --- |
| E1 | H3 − HJG | +0.1310 | [+0.0787, +0.1932] | 60/0/20 | 0.112 至 0.136 | 0.14 | **SUPPORTED** |
| E2 | HG − HJG | −0.0023 | [−0.0141, +0.0100] | 34/0/46 | −0.005 至 −0.000 | 0.16 | NOT_ESTABLISHED |

## 次要分析

| 编号 | 对比（> 0 表示右边更好） | 区域 | 均值 | 95% CI | 好/平/差 | 状态 |
| --- | --- | --- | ---: | --- | --- | --- |
| S1 | H3 − HG | FAR | +0.1332 | [+0.0838, +0.1932] | 65/0/15 | SUPPORTED |
| S2 | H3 − JG | FAR | +0.1426 | [+0.0593, +0.2411] | 53/0/27 | PARTIAL |
| S3 | H3 − G1 | FAR | +0.1477 | [+0.0520, +0.2619] | 52/0/28 | PARTIAL |
| S4 | H3 − J | FAR | +0.0334 | [−0.0235, +0.1035] | 41/0/39 | NOT_ESTABLISHED |
| S5 | H3 − HJ | FAR | +0.0393 | [+0.0109, +0.0744] | 51/0/29 | PARTIAL |
| S6 | G1 − JG | FAR | −0.0051 | [−0.0357, +0.0205] | 41/0/39 | NOT_ESTABLISHED |
| S7 | G1 − HG（向调和收缩） | FAR | −0.0145 | [−0.0720, +0.0362] | 45/0/35 | NOT_ESTABLISHED |
| S8 | JG − HJG | FAR | −0.0117 | [−0.0504, +0.0234] | 43/0/37 | NOT_ESTABLISHED |
| S9 | H3 − HJG_GEO | FAR | +0.1309 | [+0.0686, +0.2085] | 60/0/20 | SUPPORTED |
| S10 | H3 − HG_GEO | FAR | +0.1308 | [+0.0706, +0.2057] | 63/0/17 | SUPPORTED |
| S11 | H3 − HJG | ALL | +0.0303 | [+0.0181, +0.0444] | 58/3/22 | PARTIAL |
| S12 | H3 − HG | ALL | +0.0319 | [+0.0197, +0.0458] | 66/3/14 | SUPPORTED |

## 各读出的均值（场景平均 AbsRel）

| 读出 | FAR | ALL（NEAR 用调和） |
| --- | ---: | ---: |
| H3（调和插值） | 0.4925 | 0.2890 |
| J（逆向 JEPA，FAR 覆盖率 0.713） | 0.4590 | 0.2859 |
| HJ | 0.4532 | 0.2841 |
| G1 | 0.3448 | 0.2551 |
| JG | 0.3499 | 0.2554 |
| HG | 0.3592 | 0.2571 |
| HJG | 0.3615 | 0.2587 |

## 解读

- **收缩换一致性：** 单独用 G1 的平均提升最大（+0.148），但只有 52/80 个场景变好。与调和插值等权平均后，平均提升几乎不变（S7：−0.015，不显著），一致性从 65% 升到 81%。原因是学到的补全出错时往往错得很远，与调和插值平均正好压住这些坏情况。这是经典的模型平均效应，不需要任何学习或调参。
- **逆向 JEPA 在这里没有贡献：** J 在 EVAL34 上单独只比调和插值好 0.033（41/39），远弱于它在 FRESH78 上的表现（+0.069）。加入集成也没有帮助。
- **对项目的含义：** 学到的补全在 FAR 上确实有价值，但要以"与测量驱动的插值取平均"的方式使用。新基座上的逆向 JEPA 并没有带来比旧小载体 G1 更好的补全。

## 附注：Replica 上的描述性检查（事后，未预注册）

见 `../EXP-3D-RGBD-COMPLETION-ENSEMBLE-REPLICA-DESC/README.md`。在 8 个 Replica 场景上：

- G1 单独比调和插值差（FAR 0.479 对 0.385，2/8 个场景更好）；
- (调和 + G1) / 2 把均值降到 0.300，但只有 4/8 个场景变好。

平均能降低均值，但在不同的数据来源上，一致性没有达到 Hypersim 上的水平。

## 附注：偏差检查（事后，未预注册，`exploratory_posthoc/`）

在 ARKit 上发现 G1 会塌缩（输出接近 0 的深度）之后，在本队列上做了同样的检查：

- G1 塌缩的像素只占 FAR 的 7%；
- 调和插值的中位对数偏差为 −0.06，基本无偏；
- 纯收缩 0.5 × H3 比 H3 差（19/60）；
- HG 远好于 0.5 × H3（+0.218，67/12）。

所以在 Hypersim 上，补全集成的收益来自 G1 提供的信息，而不是偏差抵消。真实数据上的情况不同，见 `../EXP-3D-RGBD-ENSEMBLES-ARKIT-V1/README.md`。

## 完整性

- arms 封存（G1 三种子、REPROJ_HARMONIC、NEAR）与 J 的 DepthSplat 封存都在读真值之前完成，`query_depth_read = false`，读取前逐个校验哈希。
- J 的三个检查点是 V1 冻结的权重（哈希见 `preregistration.json`），推理用 V1 锁定的 `ds_eval.py`，只跑 CTX 臂。
- 两次分析的结果逐字节相同（`audit/score.log`）。

## 文件

- `PROTOCOL.md`、`preregistration.json`、`frame_role_lock.json`、`evaluation_contract.json`、`manifest_eval34.json`
- `code/`
- `exploratory_source/`：假设来源
- `raw/eval/EVAL34/`：arms 封存
- `ds/EVAL34/J1–J3/`：DepthSplat 封存
- `scores/`、`results/`、`audit/`