🔍 耿同学打假报告

论文信息

• 标题：GoMAvatar: Efficient Animatable Human Modeling from Monocular Video Using Gaussians-on-Mesh
• 作者：Jing Wen, Xiaoming Zhao, Zhongzheng Ren, Alexander G. Schwing, Shenlong Wang
• 机构：University of Illinois Urbana-Champaign (UIUC)
• 会议/期刊：2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)
• DOI：10.1109/CVPR52733.2024.00201
• 论文来源：GoMAvatar_Efficient_Animatable_Human_Modeling_from_Monocular_Video_Using_Gaussians-on-Mesh.pdf

综合评定：✅ 清白

详细发现

发现 1：跨表格数据一致性检验（数据造假检测）

• 位置：Table 1, Table 4, Table 5
• 描述：在生物医学类论文中，造假者往往会在不同的表格中随机编造数据，导致消融实验和主实验的数据产生冲突。本文对 GoMAvatar 核心模型的数据进行了交叉比对。
• 证据：
  • Table 1 中 Ours 的 Novel view synthesis PSNR 为 30.37，SSIM 为 0.9689，LPIPS* 为 32.53。
  • Table 4（消融实验）中，完整的 GoM 模型数据为 PSNR 30.36，SSIM 0.9690，LPIPS* 33.28。
  • Table 5 底部的消融实验中，w/o Subdivision（即不包含细分模块的标准模型）数据为 30.36/0.9690/33.28，而 w/ Subdivision 数据更新为 30.37/0.9689/32.53。
• 结论：数据在不同实验设置和表格之间做到了完美的数学自洽。作者准确地区分了“主实验使用了细分模块”和“消融实验基础模型”的具体参数，这在造假论文中是极其罕见的严谨表现。
• 严重程度：✅ 正常

发现 2：数学与逻辑自洽性检验（统计学异常检测）

• 位置：Table 1 及正文第四章
• 描述：验证推理速度与帧率（FPS）的数学换算关系。
• 证据：正文声称渲染速度达到 43 FPS，对应 Table 1 的推理时间为 23.2 ms。根据帧率换算公式 \(1000 \div 23.2 \approx 43.1\) FPS，数学逻辑完全吻合，没有被夸大。
• 严重程度：✅ 正常

发现 3：诚实面对自身局限性的态度（引用与方法学异常）

• 位置：Section 4.2 (Quantitative results)
• 描述：造假论文通常会全方位包装自己的方法在所有指标上“秒杀” baseline，但本文作者展示了极强的方法学诚实性。
• 证据：在 Table 2（几何质量评估）中，作者明确指出自己的 Chamfer Distance (CD) 指标（2.8364）略差于 HumanNeRF 和 MonoHuman。并在正文中客观解释了原因：“这可能是由于使用了 3D Gaussians，它们在表面法线方向上具有厚度。渲染出的 mask 比实际 mesh 的轮廓更大。” 这种主动承认“缺陷”并给出合理解释的态度，是高水平真实学术研究的典型特征。
• 严重程度：✅ 正常

发现 4：时间线逻辑验证（产出异常检测）

• 位置：参考文献及整篇论文
• 描述：检查论文是否挪用了未来年份的成果。
• 证据：本文发表于 2024 年 CVPR。引用的参考文献中最新的为 ICLR 2024（参考文献 [65], [87]）和 3DV 2024（参考文献 [45]）。由于 CVPR 2024 的投稿与评审周期在 2023年底至 2024 年初，引用同处于 2024 年发表的 arXiv 预印本或已录用的会议论文是完全符合学术时间线的。
• 严重程度：✅ 正常

耿同学辣评

这篇计算机视觉（CV）领域的论文主打一个“清澈的学术 tweeting”。不仅没有让我们喜闻乐见的“ ctrl+c/v 式” Western blot 一图多用，反而其消融实验和主实验的表格数据严丝合缝到令人发指。更难得的是，作者遇到自己略逊一筹的指标（CD距离）没有选择掩盖或美化，而是大方承认“我的高斯溅射有点厚”，这格局完全是学术界的清流。想从他这找造假痕迹？耿同学只能说：键盘都敲冒烟了也没挑出毛病！

建议后续行动

• 无需任何打假行动。
• （仅供学习交流）建议医学生化领域的造假者们都来学学什么叫“跨表格的数学自洽”。

⚠️ 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。
(注：本次检测基于提供的纯文本，未包含原始高清图片，因此无法进行更底层的像素级伪影查杀，但在现有文本信息范畴内未发现异常。)