🔍 耿同学打假报告

论文信息

论文来源：Towards_Maximizing_Semantic_Coverage_for_Image-Text_Retrieval.pdf
标题：Towards Maximizing Semantic Coverage for Image-Text Retrieval
作者：Junhao Xu, Zheng Liu, Zhumin Chen, Fei Shen
期刊/会议：ICASSP 2025 - 2025 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
DOI：10.1109/ICASSP49660.2025.10888503
发表年份：2025

综合评定：🟡 存疑

详细发现

发现 1：数据提升幅度的“数学奇迹”与文本矛盾（夸大结果）

位置：Section III.B. Results and analysis (Page 3) & Table I
描述：作者在正文中声称：“Our approach achieves an average rSum increase of 6.8% on Flickr30K and 4.9% on MS-COCO(1K).”（我们的方法在 Flickr30K 上 rSum 平均提升了 6.8%，在 MS-COCO 上提升了 4.9%）。
证据：
让我们掏出计算器算一下。以 Flickr30K (BERT backbone) 为例：
当前最强的 baseline (IMEB [29]) 的 rSum 是 524.1，而本文 SCA-Net 的 rSum 是 530.1。
绝对差值：530.1 - 524.1 = 6.0。
相对提升率：6.0 / 524.1 = 1.14%。
即使跟最弱的 PFAN++ (477.6) 比，(530.1 - 477.6) / 477.6 = 10.99%。
无论怎么算，都算不出正文里声称的 6.8%！在 MS-COCO 数据集上也存在同样的问题（实际最高提升率仅为 1% 左右）。这种“正文中宣称的提升率与自己表格里的数据完全对不上”的情况，要么是作者数学没学好，要么是为了强行凸显模型优势而“拍脑袋”编造了一个看似不错的数据。
严重程度：🟠

发现 2：消融实验（Ablation Study）排版与逻辑混乱

位置：Section III.C. Ablation Study & Table II (Page 3)
描述：在 Table II 中，作者试图展示不同模块（1⃝, 2⃝, 3⃝, 4⃝）的消融效果。但是表格的勾选情况极其诡异：
- 第一行：✓ (只有 1⃝)
- 第二行：✓ ✓ ✓ (有 1⃝, 2⃝, 3⃝)
- 第三行：✓ ✓ ✓ (还是有 1⃝, 2⃝, 3⃝？)
- 第四行：✓ ✓ ✓ ✓ (全有)
证据：按照规范的消融实验逻辑，每一行应该逐步增加模块以证明该模块的有效性。但第二行和第三行的勾选完全一模一样，却得出了 519.7 和 523.6 两个截然不同的结果。这说明作者在排版或整理数据时出现了严重的复制粘贴错误或逻辑遗漏，态度极其敷衍。
严重程度：🟡

发现 3：无法进行图片复用与拼接（PS痕迹）检测

位置：Figure 1, Figure 2, Figure 3
描述：提供的文本中未提供足够的图片像素信息，仅有文本描述和部分 OCR 提取的残缺信息。
证据：由于缺乏原始的高清图像（如网络架构图、折线图），无法使用“耿同学第一式”和“第三式”进行背景噪点、边缘裁切、Western Blot 泳道拼接等像素级分析。
严重程度： informational ℹ️

发现 4：时间线与产出逻辑评估

位置：全文及参考文献
描述：本文发表于 ICASSP 2025，文章的 PDF 水印显示下载时间为“2026年6月17日”（即今天）。参考文献中引用了大量 2023 年和 2024 年的文献（如 TMM-23, TIP-24, TCSVT-24）。
证据：时间线完全自洽。2024年的论文完全可以在2025年的会议中被引用。本文引用的顶会/顶刊 baseline 均真实存在且年份对应合理，未发现使用“未来时空”设备或试剂的科幻级造假。
严重程度：✅ 正常

耿同学辣评

这篇论文的模型架构听起来“高端、大气、上档次”，又是“语义覆盖”，又是“共现感知路由器”。但是，同学，搞算法可以调参，写论文不能“调计算器”啊！自己表格里的数据加起来除一下都不肯算一算，硬编一个 6.8% 的提升率；连消融实验表格的打勾都能上下重复。科研的底座是严谨，把审稿人当算盘打，把读者当瞎子忽悠，这就很不讲究了！

建议后续行动

在 PubPeer 上发文，要求作者解释正文中 6.8% 和 4.9% 提升率的数学计算依据。
要求作者澄清 Table II 中第二行与第三行完全相同的模块勾选对应的到底是哪两个不同的实验设置。
考虑到这是 IEEE ICASSP 短文（通常为 4-5 页），可能是赶工出来的灌水文，建议阅读其代码（如果开源的话）以验证其实际有效性。

⚠️ 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。

Towards Maximizing Semantic Coverage for Image-Text Retrieval