🔍 耿同学打假报告

论文信息

• 标题：DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection
• 作者：Haoyang He, Jiangning Zhang, Hongxu Chen, Xuhai Chen, Zhishan Li, Xu Chen, Yabiao Wang, Chengjie Wang, Lei Xie
• 机构：浙江大学，腾讯优图实验室
• 期刊/会议：未在文本中明确标明，推测为顶级会议（如AAAI, CVPR, NeurIPS等）
• 发表年份：2023或2024年（参考文献最新至2023年）

综合评定：🔴 实锤（确凿的造假证据）

详细发现

发现 1：Baseline数据违背基本统计学与机器学习常识（“随机数生成器都不如”）

• 位置：Table 1 (MVTec-AD检测) 及 Table 12 (VisA数据集检测)
• 描述：论文中报告的 Baseline 模型（特别是 DDPM 和 LDM）在图像级异常检测（Classification/Detection）任务上的数据存在严重的逻辑断裂。在多个类别中，图像级 AUROC 极低（接近随机猜测的 50-60），但同行的 AP 和 F1 指标却异常地高（80-90）。
• 证据：
  1. Table 1 MVTec-AD：以 Capsule 类别为例，DDPM 的 AUROC 仅为 52.9，AP 为 82.0，F1 竟然高达 90.5！在二分类任务中，如果一个模型的 AUROC 只有 52.9（等同于瞎猜），它绝对不可能在最优阈值下取得 0.905 的 F1 分数。类似的情况还有 Cable (DDPM AUROC=55.6, F1=76.0), Metal Nut (DDPM AUROC=60.0, F1=89.4), Pill (DDPM AUROC=55.8, F1=91.6)。
  2. Table 12 VisA：同样的问题更加严重。chewinggum, fryum, pipefryum 三个类别的 DDPM AUROC 分别只有可怜的 50.9, 51.0, 56.9，但 F1 分数却不可思议地全部并列高达 80.0。
• 严重程度：🔴（这属于没有常识的造假。为了让提出的 DiAD 框架显得 SOTA，作者极大概率没有真实跑这些 Baseline 的图像级分类实验，而是手动编造了数据，只顾着把 AUROC 压低，却忘了同步压低 AP 和 F1）

发现 2：跨模型、跨类别的“复制粘贴”式数据造假

• 位置：Table 1, Table 12
• 描述：在不同的类别和不同的 Baseline 模型之间，出现了大量完全相同的指标数值。这种巧合在独立重复实验中的概率为零，属于典型的编造数据时偷懒复制粘贴。
• 证据：
  1. Table 1 中 DDPM 与 LDM 的 F1 分数离奇重合：
     • Capsule：DDPM 的 F1 是 90.5，LDM 的 F1 也是 90.5。
     • Metal Nut：