正在加载...
请稍候

MambaAD: Exploring State Space Models for Multi-class Unsupervised Anomaly Detection

2026-08-06 15:10

🔍 耿同学打假报告

论文信息

  • 标题：MambaAD: Exploring State Space Models for Multi-class Unsupervised Anomaly Detection
  • 作者：Haoyang He, Yuhu Bai, Jiangning Zhang, Qingdong He, Hongxu Chen, Zhenye Gan, Chengjie Wang, Xiangtai Li, Guanzhong Tian, Lei Xie
  • 期刊/会议：38th Conference on Neural Information Processing Systems (NeurIPS 2024)
  • 发表年份：2024
  • 论文来源：终极棒的参考文献！.pdf

综合评定：🟡 存疑（局部瑕疵，整体仍具学术价值）

详细发现

发现 1：数据局部一致性异常（同表不同行数据离奇撞车）

  • 位置：Table 5 (Ablations on different scanning methods and directions), Page 9
  • 描述：在比较不同扫描方式和方向的消融实验中，Index 4（Zigzag, 8方向）和 Index 7（Hilbert, 8方向）的部分像素级指标出现了完全一致的数据。
  • 证据：
    • Index 4 的 Pixel-level 数据为：AU-ROC (97.6), AP (56.3), F1_max (58.8), AU-PRO (93.1)
    • Index 7 的 Pixel-level 数据为：AU-ROC (97.7), AP (56.3), F1_max (59.2), AU-PRO (93.1)
    • 虽然网络结构相同，但更换了完全不同的扫描策略（从 Zigzag 换为 Hilbert），在 Image-level 指标有明显提升（98.2 -> 98.6）的情况下，Pixel AP (56.3) 和 AU-PRO (93.1) 却一模一样，甚至保留了小数点后一位的完全一致性。这在深度学习的随机性中概率极低，极有可能是排版错误或复制粘贴时未修改完全。
  • 严重程度：🟡

发现 2：数学计算自洽性验证（通过）

  • 位置：Table 1 / Section 4.1
  • 描述：作者声称使用了 7 个 metrics，并计算了平均值。
  • 证据：
    • 以 Table 1 的 MVTec-AD (Ours) 为例，将 7 个指标相加：98.6 + 99.6 + 97.8 + 97.7 + 56.3 + 59.2 + 93.1 = 602.3。
    • 计算平均值：602.3 / 7 ≈ 86.04。
    • 表格中报告的 mAD 值为 86.0，四舍五入完全吻合。
    • 耿同学点评：这点做得比很多粗制滥造的论文好，数据起码是算对了的，没有瞎编均值。
  • 严重程度：✅

发现 3：时间线与引用逻辑验证（硬核甚至有点“显摆”的引用）

  • 位置：Reference 19 / Section 3.4
  • 描述：检查了 Hilbert 曲线的引用和时间线。
  • 证据：
    • 论文中引用了 D. Hilbert... 1935. Über die stetige Abbildung einer Linie auf ein Flächenstück.。
    • 耿同学辣评：好家伙，把大卫·希尔伯特老爷子 1935 年的德文老古董都翻出来了？为了证明你的 Hilbert scanning 有数学依据，这波参考文献查得够深的啊！虽然有点“大材小用”的感觉（毕竟只是个扫描策略），但说明作者做了详实的文献调研，时间线没有任何问题。
  • 严重程度：✅

发现 4：实验参数与消融实验逻辑（合理性检查）

  • 位置：Table 4, Table 7
  • 描述：检查了不同 Backbone 和局部模块设计的消融实验。
  • 证据：
    • 从 Table 4 看，ResNet34+Depth[3,4,6,3] 是性能与参数量的最佳折中，符合该领域常识。
    • 从 Table 7 看，只使用小卷积核（k=1,3）会导致性能下降（94.6），加入大卷积核（k=5,7）后提升至 98.6，这也符合直觉——异常检测需要感受野。
    • 没有发现那种“随便加个模块就涨点 10%”的的反直觉现象。
  • 严重程度：✅

耿同学辣评

这篇论文可谓是“缝合怪”界的一股清流！把 Mamba、CNN 局部增强、希尔伯特曲线扫描给缝在了一起，最离谱的是为了证明自己设计的 Hilbert Scanning 牛皮，竟然把 1935 年大卫·希尔伯特的德语老祖宗文献都给搬出来了，祖师爷赏饭吃属于是！

虽然 Table 5 里面 Zigzag 和 Hilbert 的像素级指标抄得有点明显（连小数点都不带变的，这是复制粘贴没改干净吧？），但整体来看，数学计算自洽，消融实验符合逻辑，没有出现“随机数生成器都不如”的完美数据。这年头，能老老实实把 7 个指标的平均数算对的论文不多了，算你过关！

建议后续行动

  • 论文整体数据经得起推敲，Table 5 的数据撞车更像是笔误。
  • 建议读者在复现时重点关注 LSS 模块中 Hilbert 扫描的具体实现，这是核心创新点。
  • 如果实在闲得慌，可以发邮件问问作者 Table 5 那两个一模一样的数据是手滑了还是真的跑出来就是那么巧。

⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。

返回报告库