# 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](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）

| 编号 | 对比（> 0 表示右边更好） | 均值 | 95% CI | 好/平/差 | 状态 |
| --- | --- | ---: | --- | --- | --- |
| **P1** | H3 − SEL_GAN | +0.1115 | [+0.0600, +0.1675] | 32/31/9 | **SUPPORTED** |
| S1 | H3 − SEL_G1N | +0.1138 | [+0.0516, +0.1795] | 31/31/10 | SUPPORTED |
| S2 | H3 − SEL_JO | +0.0731 | [+0.0235, +0.1305] | 29/31/12 | SUPPORTED |
| S3 | H3 − GAN | +0.1009 | [+0.0420, +0.1623] | 42/0/30 | PARTIAL |
| S4 | H3 − G1N | +0.0839 | [+0.0122, +0.1567] | 37/0/35 | PARTIAL |
| S5 | H3 − JO | +0.0742 | [+0.0216, +0.1343] | 42/0/30 | PARTIAL |
| S6 | GAN − SEL_GAN | +0.0105 | [−0.0110, +0.0343] | 23/34/15 | NOT_ESTABLISHED |
| S7 | H3 − HGAN | +0.0785 | [+0.0480, +0.1113] | 50/0/22 | PARTIAL |
| S8 | H3 − DSEL_GAN | +0.0993 | [+0.0435, +0.1585] | 32/28/12 | SUPPORTED |

**FARH 均值：**

| 读出 | FARH AbsRel |
| --- | ---: |
| H3（调和插值） | 0.523 |
| GAN | 0.422 |
| G1N | 0.439 |
| JO | 0.448 |
| HGAN | 0.444 |
| **SEL_GAN** | **0.411** |
| SEL_G1N | 0.409 |
| SEL_JO | 0.449 |
| DSEL_GAN | 0.423 |

## 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。

| 队列 | S 与增益的 Spearman | H3 − G1N | H3 − SEL（S ≥ 1.2） |
| --- | ---: | --- | --- |
| EVAL34 | −0.04 | +0.155，56/0/24 | +0.047，19/51/10（88% 不变差） |
| FRESH78 | +0.21 | +0.127，54/0/23 | +0.065，31/40/6（92% 不变差） |

- **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。