🔍 耿同学打假报告

论文信息

• 论文来源：Deg.pdf (文本提取)
• 标题：DeSTSeg: Segmentation Guided Denoising Student-Teacher for Anomaly Detection
• 作者：Xuan Zhang, Shiyu Li, Xi Li, Ping Huang, Jiulong Shan, Ting Chen
• 机构：清华大学
• 期刊/会议：未明确标明，但从参考文献年份（最新至2022 ECCV）和排版风格推断为计算机视觉顶级会议（如CVPR/ICCV/ECCV）。
• 当前检测日期：2026-06-02

综合评定：✅ 清白 (但遭受了严重的文本提取灾难)

详细发现

发现 1：图片与像素级复用检测（第一式）

• 位置：全文图片区域
• 描述：文本中未提供足够的图片信息（仅有 Figure Caption），无法进行 Western blot 或显微图的像素级比对、翻转或 PS 痕迹分析。
• 证据：这是一篇纯粹的计算机视觉/深度学习论文，其视觉结果（Figure 3, Figure 4）展示的是工业件的异常热力图，而非生物实验电泳图。此类图表造假通常体现在篡改热力图颜色上，但在仅有文本的情况下无法验证。
• 严重程度：🟡 (缺乏证据，无法判定)

发现 2：数据异常与 OCR 提取伪影（第二式）

• 位置：Table 2, Table 3, Table 4, Table 5, Table 6
• 描述：表格数据中出现了大量匪夷所思的重复数字，例如在 Table 2 中，PatchCore 的 Cable 类别得分为 98.898.898.8，DeSTSeg 的 Hazelnut 得分为 99.699.699.6±0.2。
• 证据：
  1. 这种重复模式（如 98.698.698.6）在真实排版中是不可能出现的。这大概率是 PDF 提取为文本时，重叠的文本层或水印被 OCR 引擎重复读取导致的文本提取错误，而非作者原始造假。
  2. 剥离掉乱码后，观察数据合理性：作者报告了 5 次独立重复实验的标准差（如 ±0.2, ±1.8）。标准差数值分布自然，且像 carpet 类别的 IAP@90 标准差高达 ±17.1，这种“难看”的数据反而证明了数据的真实性。
• 严重程度：🟡 (文本乱码属于转录问题，非学术不端)

发现 3：公式编辑器灾难（第六式：方法学异常）

• 位置：Eq. (1), Eq. (6)
• 描述：论文中的数学公式出现了极其离谱的乱码，形似占星符号。
  • Eq. (1) 中出现：ψψI⌢aψ/ψΦetaψ↼Mψ♮odotψA↽ψ⇁...
  • Eq. (6) 中出现：←←L∨¶↕∞♢←ℑ←⊙∇⊣⌋←¶∞...
• 证据：这显然是特殊的数学字体或 LaTeX 宏包在 PDF 转 Text 过程中编码失败的结果。虽然这属于格式问题，但在原始论文中，如果公式真的显示成这样，那绝对是重大事故。考虑到这是一篇清华与 Apple 合作的高质量论文，原文 PDF 中的公式必然是正常的，此异常仅限于输入源。
• 严重程度：🟡 (转录异常)

发现 4：统计学与实验严谨性（第四式）

• 位置：Table 1, Table 2, Table 3
• 描述：论文在对比 SOTA 方法时，明确指出了基准测试中的不一致性（如 Ground truth downsampling 方法不同），并重新评估了官方预训练模型。
• 证据：
  1. 作者提出了新的评估指标 IAP (Instance Average Precision)，并公开了代码逻辑（阈值 0.5 降采样）。
  2. 在 AUC 达到 98.6% 的极高水平下，作者依然在消融实验（Table 4）中老老实实报告了某些模块组合性能下降的情况（如 Exp 2 加入 denoising 反而性能下降），符合物理直觉，没有一味夸大。
• 严重程度：✅ (表现优异)

发现 5：时间线分析（第五式）

• 位置：参考文献
• 描述：检测实验时间线是否合理。
• 证据：引用的最新文献为 2022 年（如 ECCV 2022 的 DSR），结合当前日期 2026-06-02，该论文的发表周期（22-24年）完全合理。未发现使用未来试剂或设备的情况。
• 严重程度：✅

---

耿同学辣评

这篇论文的数据看起来比我的发际线还要真实——尤其是在大家都恨不得把误差棒藏在地板缝里的计算机视觉领域，作者居然敢放出 ±17.1 这么大的标准差，这心胸简直比太平洋还宽广！

不过，那个把公式变成占星符咒（ψψ♮odot）的 PDF 转换器应该拉出去祭天，耿某人阅卷无数，差点以为自己是在解读霍格沃茨的魔法咒语。

总体来看，这是一篇逻辑严密、对比公平（甚至重测了前人的模型）、误差 reporting 诚实的佳作。数据没有造假，倒是转换文本的工具涉嫌谋杀 LaTeX。

建议后续行动

• 联系作者要求提供原始数据 (数据看起来很诚实，无需打扰)
• 给提供文本的人建议：换一个更好的 PDF 解析工具，或者直接向作者索要 LaTeX 源码，以免再出现 99.399.399.3 这种让人以为键盘抽风的乱码。
• 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。