🔍 耿同学打假报告

论文信息

• 标题：SimpleNet: A Simple Network for Image Anomaly Detection and Localization
• 作者：Zhikang Liu, Yiming Zhou, Yuansheng Xu, Zilei Wang
• 期刊：CVPR / 计算机视觉顶会（根据论文排版和引用格式推测）
• 发表年份：2022-2023（根据引用文献年代推断，文中引用最新文献为2021年）
• 论文来源：simpleNet.pdf

综合评定：🟡 存疑

详细发现

发现 1：统计学异常检测（误差棒去哪了？）

• 位置：Table 1, Table 2, Table 3, Table 4, Table 5
• 描述：论文在所有的核心对比表格和消融实验中，仅报告了AUROC的均值，而没有提供标准差或置信区间。
• 证据：
  • 作者声称 SimpleNet 将错误率降低了 55.5%（从 0.9% 降至 0.4%），这是一个非常微小的绝对值差距（0.5%）。
  • 深度学习模型的性能受随机种子、权重初始化等因素影响，通常需要多次实验取均值±标准差。
  • 在没有误差棒的情况下，宣称 99.6% 相比 99.1% 是“显著提升”在统计学上是站不住脚的。这在机器学习论文中属于“选择性报告”的一种隐性表现。
• 严重程度：🟠

发现 2：方法与设备异常（时空错乱的硬件型号）

• 位置：Section 4.6 (Inference time)
• 描述：文中声称使用 "Nvidia GeForce GTX 3080ti GPU" 进行推理速度测试。
• 证据：
  • 众所周知，NVIDIA 自 20 系列起已将消费级显卡品牌从 GTX 更改为 RTX。市面上并不存在 "GTX 3080 Ti" 这款产品，只有 "RTX 3080 Ti"。
  • 这种命名错误通常发生在直接复制粘贴旧论文模板却忘记修改细节的情况。这让人怀疑作者是否真的在所述硬件上进行了实验，还是仅仅估算或照搬了其他数据。
• 严重程度：🟠

发现 3：数据逻辑异常（蹩脚的消融实验）

• 位置：Table 2 (Performance under different combinations of hierarchy levels)
• 描述：特征层级组合的消融实验数据存在反直觉的逻辑断层。
• 证据：
  • 根据表格数据：
    • Level 2: I-AUROC 98.4%
    • Level 3: I-AUROC 99.2%
    • Level 1 + Level 2: I-AUROC 96.7%
  • 这是一个巨大的红旗。如果单用 Level 2 能达到 98.4%，加入 Level 1 后性能反而暴跌至 96.7%（下降 1.7%）。虽然存在特征冲突的可能性，但在同类方法（如 PatchCore）中，多层级特征融合通常是单调提升或持平的。
  • 这种“加量反而减质”的剧烈波动，且刚好衬托出作者选择的默认配置（Level 2+3）的优越性，数据显得过于“戏剧化”。
• 严重程度：🟡

发现 4：格式与提取异常（关键公式与数据缺失）

• 位置：Equation 3, Equation 10, Table 5
• 描述：部分关键数学公式和数据表格存在严重的乱码或丢失。
• 证据：
  • 公式 (3) 和公式 (10) 的部分符号被乱码替代（如 ←←∩↕⊣⌊⌉↕←¶⌉⨿），这虽可能是 PDF 提取问题，但也导致无法从数学上严格验证其逻辑自洽性。
  • Table 5 中，最后几个方法的 AUROC 数值排列混乱：Method DisAug CLR IGD MKD RevDist SimpleNet 对应 AUROC 80.0 83.68 84.5 86.5 86.5。RevDist 和 SimpleNet 的数值似乎混在一起，无法直接对应。
• 严重程度：🟡

---

耿同学辣评

这位同学，你的网络叫 SimpleNet，结果你的实验做得也很“Simple”嘛！没有误差棒的 SOTA 就像没有化妆的网红——不敢细看。还有那个传说中的 GTX 3080 Ti，老黄看了都要连夜给你发个 RTX 奖章。用时空错乱的显卡跑出来的数据，咱也不知道这 77 FPS 是在哪个平行宇宙测出来的。虽然思路有点意思，但科研不是写爽文，建议先搞清楚自家显卡叫啥名字再来发 paper！

建议后续行动

• 联系作者要求提供原始数据和多次实验的标准差
• 核实其推理速度测试的具体硬件环境配置
• 在 PubPeer 上提出质疑
• 向期刊编辑部举报

⚠️ 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。