fix(ceus): 降低长视频内存峰值，快照开跑即写，build 核对 CEUS 运行与交付包

- 内存：prepare_segmentation 改为流式解码，只留分屏和配准的抽样帧，绿框逐帧在两半上找；
  分割那一半由 SegmentationInput.target_frames() 到用时再解码，segment_video 边读边写 jpg；
  MedSAM2 init_state 的读帧换成直接在存放设备上建张量（不改 MedSAM2 源码，结果逐位相同）；
  传播结果写进预分配数组。帧数最多的一段视频常驻内存峰值 11.2 GiB → 2.3 GiB，分辨率最大的
  一段原代码被 OOM 杀掉、现为 4.2 GiB；两段的掩码和全部产物与改前逐字节相同，33 段视频的
  第 1–2 步结果与改前一致，29 例配准与 review.csv 一致。
- 快照：ceus_quant 开跑时写 snapshot/（git、ceus.yaml、review.csv、uv.lock、segment.json），
  配置和核对表从快照副本读；收尾由新函数 runs.finish_snapshot 只新建 finished.json。
  build 与 ceus_align_review 同样改用 finish_snapshot 记结束时间。
- build：summary.json 加 video_sha256；装 CEUS 结果时核对快照里的 delivery_dir、逐例核对
  视频 SHA-256 和推注时间，不同就整次停下；新字段做类型检查，不进 tic.json。

来源：主会话任务（问题 1–3 及补充的 delivery_dir 比对）。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

tests/test_segment.py

@@ -93,3 +93,36 @@ def test_segment_video_on_synthetic_clip() -> None:
     assert masks.shape == (frame_count, height, width)
     assert masks.dtype == np.bool_
     assert len(medsam2_commit(cfg.medsam2_dir)) == 40
+
+
+@pytest.mark.gpu
+@pytest.mark.parametrize("offload_video_to_cpu", [False, True])
+def test_jpg_loader_matches_medsam2_loader_bitwise(
+    tmp_path: Path, offload_video_to_cpu: bool
+) -> None:
+    """换上的读帧函数与 MedSAM2 原来的 `load_video_frames` 交出逐位相同的张量和原始尺寸。"""
+    import torch
+    from sam2.utils.misc import load_video_frames  # pyright: ignore[reportUnknownVariableType]
+
+    from cadx.segment._medsam2 import (
+        _load_jpg_frames,  # pyright: ignore[reportPrivateUsage]
+        _write_jpgs,  # pyright: ignore[reportPrivateUsage]
+    )
+
+    frames, _ = _moving_disc_video(12, 120, 200, radius=18)
+    noise = np.random.default_rng(0).integers(0, 40, size=(12, 120, 200, 3), dtype=np.uint8)
+    _write_jpgs([frame + n for frame, n in zip(frames, noise, strict=True)], tmp_path)
+    kwargs: dict[str, Any] = {
+        "video_path": str(tmp_path),
+        "image_size": 512,
+        "offload_video_to_cpu": offload_video_to_cpu,
+        "async_loading_frames": False,
+        "compute_device": torch.device("cuda"),
+    }
+    expected, expected_h, expected_w = load_video_frames(**kwargs)  # pyright: ignore[reportUnknownVariableType]
+    assert isinstance(expected, torch.Tensor)  # 不异步读时原函数交出整段张量
+    images, height, width = _load_jpg_frames(**kwargs)
+    assert (height, width) == (expected_h, expected_w) == (120, 200)
+    assert images.device == expected.device
+    assert images.dtype == torch.float32
+    assert torch.equal(images, expected)