🔍 耿同学打假报告

论文信息

标题：Anomaly detection on MVTec AD using VQ-VAE-2
作者：Edward K. Y. Yapp*, Ngoc C. N. Doan
期刊/会议：57th CIRP Conference on Manufacturing Systems 2024 (CMS 2024) / Procedia CIRP 130 (2024) 1809–1814
DOI：10.1016/j.procir.2024.10.320
发表年份：2024
论文来源：1.pdf

综合评定：🟠 高度可疑

详细发现

发现 1：数据异常/大面积复制粘贴错误（第二式：数据造假检测）

位置：Table 3 (Page 1813)
描述：在比较“Image-level F1 score”的表格中，出现了极其反常的数据“克隆”现象。在多个类别的结果中，作者提出的 VQ-VAE-2 模型与对比模型 VQ-VAE (top) 和 VQ-VAE (bottom) 的数值完全一致，精确到了小数点后三位。
证据：
在 Table 3 中，以下类别的三列数据完全相同：
- Capsule: 0.905, 0.905, 0.905
- Pill: 0.916, 0.916, 0.916
- Screw: 0.853, 0.853, 0.853
- Carpet: 0.864, 0.864, 0.864
  在真实的深度学习对比实验中，不同架构（两级VQ-VAE-2 vs 单级 top vs 单级 bottom）在同一个数据集上计算出完全相同、连微小误差都没有的 F1 分数，在统计学和实际操作上几乎是不可能的。
严重程度：🔴

发现 2：实验结论与所提供数据相矛盾（第四/六式：统计学/方法学异常）

位置：Section 4. Results and discussion (Page 1812-1813) 与 Table 3
描述：作者在正文中明确声称：“VQ-VAE-2 is superior to VQ-VAE across all the metrics”（VQ-VAE-2 在所有指标上都优于 VQ-VAE）。然而，结合发现 1 中的 Table 3，这四个类别的数据不仅没有体现出“superior”（优越），反而证明了作者在整理数据或撰写论文时发生了严重的复制粘贴错误。
证据：
作者在 Section 4 写道：“VQ-VAE-2 tends to be better than VQ-VAE based on the top level latent map...”。但 Table 3 里 Capsule、Pill 等行一模一样的数据根本无法支撑这一结论。这说明作者在处理 Excel/CSV 数据并转换为 LaTeX 表格时，极有可能粗心大意地复制了同一列数据粘贴到了其他列，或者干脆捏造了数据。
严重程度：🔴

发现 3：图片复用与拼接检测（第一/三式：图片检测）

位置：全文 Figures (Fig. 1 - Fig. 7)
描述：本文为深度学习计算机视觉领域的论文，文中包含多张实验结果图及架构图。
证据：由于仅提供文本且本文图表多为矢量图（架构图）或统计图（Critical difference diagram, 直方图），未见明显的细胞实验 Western blot 等常见造假重灾区。单从文本描述和排版来看，未发现明显的 PS 拼接痕迹。但 Fig. 2 中的图像由于 PDF 文本提取出现乱码（如 !!! $$ $$ $$ $），无法对热力图的像素级真实性进行核验，暂不判定为造假。
严重程度：🟡 (无法完全验证)

发现 4：时间线与产出验证（第五/六式：产出与方法异常）

位置：Section 3.2 及脚注 2
描述：验证论文时间线的合理性。
证据：脚注 2 提到 CFA 的结果获取时间为 “5th December 2023”。会议举行及论文发表年份为 2024 年。以当前基准日期（2026-06-02）来看，该时间线完全符合逻辑。作者使用了常见的 PyTorch 框架及 Tesla V100 GPU，计算设备和方法学描述未见时间线上的穿越或矛盾。作者提供了 GitHub 开源链接，这是一个加分项，但需要进一步核实其开源代码是否能跑出 Table 3 中那几行“一模一样”的数据。
严重程度：✅

耿同学辣评

这篇论文生动地给我们展示了什么叫“Excel 拉表格拉嗨了，连复核都不复核一下”。三组不同的模型跑出精确到小数点后三位的同等 F1 分数，概率大概比你连续中两次彩票头奖还要低。既然大言不惭地在摘要里写了有 statistical improvement（统计学上的提升），能不能在造表的时候稍微加点儿随机误差，哪怕给其中一列加个 0.001 呢？硬生生把三列写成一样，这不叫 superior，这叫 clone！建议作者回去好好检查一下到底是代码写错了，还是 Ctrl+C 按早了。

建议后续行动

重点核查：检查作者提供的 GitHub 代码（https://github.com/edwardyapp/vq-vae-2-pytorch-ad），运行代码查看是否能复现 Table 3 中的离奇相同数据。
联系作者要求提供原始实验日志和输出表格（特别是 Table 3 对应的原始 CSV 文件）。
在 PubPeer 上提出质疑，要求作者对 Table 3 中 Capsule, Pill, Screw, Carpet 四个类别的异常数据进行正式勘误或解释。
向期刊 Procedia CIRP 编辑部反映此数据异常情况，建议在作者给出合理解释前对该论文打上“存疑”标签。

⚠️ 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。

Anomaly detection on MVTec AD using VQ-VAE-2