🔍 耿同学打假报告

论文信息

• 标题：Dome-DETR: DETR with Density-Oriented Feature-Query Manipulation for Efficient Tiny Object Detection
• 作者：Zhangchi Hu, Peixi Wu, Jie Chen, Huyue Zhu, Yijun Wang, Yansong Peng, Hebei Li, Xiaoyan Sun (中国科学技术大学)
• 期刊/会议：Proceedings of the 33rd ACM International Conference on Multimedia (MM '25)
• DOI：https://doi.org/10.1145/3746027.3754861
• ArXiv来源：2505.05741v2.pdf
• 发表年份：2025

综合评定：✅ 清白

详细发现

在本次审查中，我将基于提取的文本内容、表格数据和逻辑关系进行深度剖析。由于仅提供文本而缺乏原始高清图片，部分图像级检测（如像素级PS痕迹）受限于介质，但数据与逻辑维度的审查结果令人惊艳。

发现 1：摘要与正文的数据加减法“离谱地”自洽（未发现造假）

• 位置：Abstract & Section 4.4 (Main Results) / Table 1
• 描述：很多造假论文在摘要里信口开河编造提升幅度，与实验表格数据对不上。我特意核算了本文的核心数据。
• 证据：
  • 摘要声称 +3.3 AP on AI-TOD-V2。查看 Table 1，Dome-DETR-L (34.6) 减去 Baseline D-FINE-L (31.3) 刚好等于 3.3。
  • 摘要声称 +2.5 AP on VisDrone。查看 Table 2，Dome-DETR-L (39.0) 减去 D-FINE-L (36.5) 刚好等于 2.5。
  • 文本中提到的各个尺度提升（+3.7%, +4.6% 等）均能在表格中完美复现。连小数点后第一位都严丝合缝。
• 严重程度：🟢 (无异常)

发现 2：消融实验的文本与表格“微操”细节完美对应

• 位置：Section 4.6 (Hyperparameter Sensitivity Analysis) / Table 4
• 描述：低劣的造假往往在超参数分析上瞎编乱造。本文作者在这里展现出了严谨的细节。
• 证据：文本描述 "A smaller H/W enhances very tiny objects but lowers overall AP"。回到 Table 4 查看，当 H/W=5 时，整体 AP 确实下降（33.3 -> 31.8），但在极微小目标 (\(AP_{vt}\)) 上确实取得了最高值（17.9 > 17.8）。这种符合深度学习物理意义的微小波动，极难伪造。
• 严重程度：🟢 (无异常)

发现 3：参数量与算力的数学逻辑自洽

• 位置：Section 4.5 (Efficiency Analysis) & Appendix B
• 描述：声称提升精度的同时保持了低计算复杂度。
• 证据：文中声称相比于 D-FINE-L（34M 参数，327.5 GFLOPs），本文模型（36M 参数，358.7 GFLOPs）仅增加了 5.9% 的参数和 31.2 GFLOPs。核算：(36-34)/34 ≈ 5.88%，358.7 - 327.5 = 31.2。算术完全过关，没有出现“参数量增加1%但算力暴增100%”的低级谎言。
• 严重程度：🟢 (无异常)

发现 4：文本图表复用检测（由于格式限制）

• 位置：Figure 1, Figure 3, Figure 5 等
• 描述：文本中未提供足够的原始图片分辨率与像素信息，无法进行像素级一图多用或PS拼接分析。
• 证据：仅从 Figure Caption 和上下文来看，各图表的说明清晰，未发现明显的控制组（Control）复用描述。
• 严重程度：⚪ (无法判断)

发现 5：基于时间的文献引用审查

• 位置：References & Related Work
• 描述：检查是否引用了“不存在”或“穿越时空”的文献。
• 证据：论文引用了 YOLOv12 (Tian et al., Arxiv 2025, 提交时间约2025年2月)，而本文作为 MM '25 会议论文（投稿及成文时间在2025年8月前），引用同年的最新预印本是非常合理且常见的前沿操作。时间线无异常。
• 严重程度：🟢 (无异常)

耿同学辣评

本来是拿着放大镜准备来抓“Ctrl+C/Ctrl+V”和“随机数生成器”的，结果这篇中科大团队的论文让我扑了个空！这加减法算得比我的计算器还准，消融实验的逻辑闭环严谨得令人发指。 他们在 D-FINE 的基座上做魔改（DeFE+MWAS+PAQI），不仅公式推导规规矩矩，连 GFLOPs 的账都算得明明白白。学术界要是都卷成这样“老实巴交”地做研究，打假博主怕是要失业了！

建议后续行动

• 联系作者要求提供原始数据（数据自洽性极高，暂无必要）
• 在 PubPeer 上提出质疑（未发现实质性漏洞）
• 向期刊编辑部举报（予以驳回）
• 建议各位做微小目标检测（AI-TOD/VisDrone）的同学可以直接去看他们的开源代码（github.com/RicePasteM/Dome-DETR），是一篇不可多得的扎实工作。

⚠️ 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。因仅通过文本提取分析，未能进行原始图像的像素级取证（如帧间噪点比对等），图像层面的完全判定仍需获取论文原始PDF文件。