# EXP-3D-RGBD-TTT-ENSEMBLE-V1：TTT 后的状态与无模型重投影取平均

**结论：T1 = TTT_ENSEMBLE_CONSISTENT，T2 = TTT_NEEDED。**

- **T1：** 新帧到达后，把"测试时优化过的 DepthSplat 状态"与"同样 7 帧的无模型重投影"逐像素取几何平均，在 EVAL34（83 个场景）上稳定胜过无模型重投影：+0.029 [+0.015, +0.047]，71/83 个场景更好，V2 gate 全部通过。
- **T2：** TTT 是必要的。把 TTT 换成"只缓存新帧"的状态再做同样的平均，83 个场景中有 80 个更差（+0.019，SUPPORTED）。
- **复现 V1 的 Core B：** TTT 相对只缓存 +0.032（79/4，SUPPORTED）。TTT 单独相对无模型重投影 +0.040，但只有 59/83，PARTIAL；正是这个一致性问题，被集成解决了。

**说明：**

- 预注册见 [PROTOCOL.md](PROTOCOL.md)。2026-10-08 06:31:24 锁定，sha256 `5154f900…`。
- 假设来自 V1 之后在 FRESH78 上的探索，见 `exploratory_source/`。EVAL34 对这个假设是样本外的，但这个队列以前被多次使用过。
- 流帧与 Core B V8 封存的流角色逐一相同。DepthSplat 推理用 V1 锁定的 `ds_eval.py`（发布权重，尺度上限 0.1，TTT 100 步，m = 1）；无模型几何用 V1 锁定的 `geometry_seal.py`，对 arms 封存的复核差为 0.0。
- 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。

## 主检验

| 检验 | 对比（> 0 表示右边更好） | 区域 | 均值 | 95% CI | 好/平/差 | 留一场景均值 | 最大单场景占比 | 状态 |
| --- | --- | --- | ---: | --- | --- | --- | ---: | --- |
| T1 | R7 − √(R7 × TTT) | ALL | +0.0290 | [+0.0147, +0.0467] | 71/0/12 | 0.025 至 0.030 | 0.16 | **SUPPORTED** |
| T2 | √(R7 × CACHE) − √(R7 × TTT) | ALL | +0.0185 | [+0.0110, +0.0279] | 80/0/3 | 0.015 至 0.019 | 0.18 | **SUPPORTED** |

## 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 | R7 − TTT（V1 的 B2） | ALL | +0.0402 | [+0.0194, +0.0661] | 59/0/24 | PARTIAL |
| S2 | CACHE − TTT（V1 的 B1） | ALL | +0.0320 | [+0.0192, +0.0476] | 79/0/4 | SUPPORTED |
| S3 | R7 − (R7 + TTT) / 2 | ALL | +0.0218 | [+0.0112, +0.0348] | 70/0/13 | SUPPORTED |
| S4 | R7 − √(R7 × CACHE) | ALL | +0.0106 | [+0.0023, +0.0208] | 34/0/49 | PARTIAL |
| S5 | R7 − CACHE | ALL | +0.0082 | [−0.0041, +0.0222] | 30/0/53 | NOT_ESTABLISHED |
| S6 | T1 | NEAR7 | +0.0296 | [+0.0153, +0.0473] | 71/0/12 | SUPPORTED |
| S7 | T1 | FAR7 | +0.0010 | [+0.0001, +0.0025] | 18/40/6 | PARTIAL |
| S8 | TTT − √(R7 × TTT) | ALL | −0.0112 | [−0.0195, −0.0045] | 34/0/49 | HARMFUL |

## 各读出的均值（场景平均 AbsRel）

| 读出 | ALL | NEAR7 | FAR7 |
| --- | ---: | ---: | ---: |
| R7（7 帧无模型重投影） | 0.1746 | 0.1581 | 0.3305 |
| CACHE | 0.1664 | 0.1502 | 0.3306 |
| TTT | 0.1344 | 0.1172 | 0.3291 |
| √(R7 × CACHE) | 0.1640 | 0.1475 | 0.3304 |
| √(R7 × TTT) | 0.1456 | 0.1285 | 0.3295 |
| (R7 + TTT) / 2 | 0.1528 | 0.1359 | 0.3295 |

## 解读

- **均值与一致性的取舍：**
    - TTT 单独的均值最好（0.134），但只有 71% 的场景比无模型重投影好。
    - 与无模型重投影取几何平均后，均值变差一点（S8：−0.011），换来 86% 的场景一致更好。
    - 这与 EXP-3D-RGBD-COMPLETION-ENSEMBLE-V1 在补全上看到的规律相同：学到的状态与测量驱动的结果取平均，压住了状态出错的场景。
- **TTT 不可缺少：** 只缓存新帧的状态多数场景比无模型重投影差（S5：30/53），取平均后仍然多数更差（S4：34/49）。只有经过测试时优化的状态，才值得和测量结果平均。
- **收益仍在已测区域：** NEAR7 +0.030，FAR7 只有 +0.001。
- **对 Core B 的含义：** "新帧到达后对学到的状态做梯度写入"终于在样本外队列上显示出稳定的实用价值。但用法是：把写入后的状态与测量驱动的重投影结合，而不是单独使用。

## 附注：Replica 上的描述性检查（事后，未预注册）

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

- √(R7 × TTT) 有 7/8 个场景比 R7 好；TTT 单独为 5/8。
- TTT 对比只缓存为 8/8。

方向与本实验一致。

## 完整性

- 读真值前，几何封存（复核差 0.0）与 ZS 的封存都已完整，`query_depth_read = false`，读取前逐个校验哈希。
- TTT：166 个 episode 失败 0 次，7 帧上的深度项从 0.091 降到 0.012。
- 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`、`manifest_eval34.json`
- `code/`
- `exploratory_source/`：假设来源
- `geometry/`：几何封存
- `ds/EVAL34/ZS/`：DepthSplat 封存
- `scores/`、`results/`、`audit/`