🔍 耿同学打假报告

论文信息

• 标题：CDPR: Cross-modal Diffusion with Polarization for Reliable Monocular Depth Estimation
• 作者：Rongjia Yu, Tong Jia, Hao Wang, Xiaofang Li, Xiao Yang, Zinuo Zhang, Cuiwei Liu
• 期刊：arXiv preprint (arXiv:2604.11097v1)
• DOI：arXiv:2604.11097
• 发表年份：2026 (提交日期: 2026-04-13)

综合评定：🔴 实锤

详细发现

发现 1：核心实验表格数据大面积缺失（极其低级的造假痕迹）

• 位置：Table I (Monocular Depth Estimation 定量结果)
• 描述：在 Table I 中，本文核心方法 "Ours-Standard" 和 "Ours-Accelerated" 的 HAMMER 数据集结果出现了极其荒谬的遗漏。"Ours-Standard" 仅给出了一个 5.3，而 "Ours-Accelerated" 这一行不仅丢了 HyperPol 的后两列数据，甚至把 HAMMER 数据集的结果直接张冠李戴填在了 HyperPol 的列下。此外，对比方法 Geowizard 的 HAMMER 结果也只填了一个 5.2，缺失了 \(\delta_1\) 和 \(\delta_2\) 的数据。
• 证据：正常的定量对比表要求所有方法在所有数据集和指标上都有对应数值。本文核心结论“我们的方法取得了满意的表现”，但表格里连自己方法的完整数据都没填，这不仅是数据不完整，更是典型利用生成器伪造论文时留下的占位符遗漏。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 2：实验结论与报告数据存在绝对矛盾

• 位置：Section V-C (Computational Efficiency Analysis) 与 Table I, Table II
• 描述：作者在正文 V-C 节中信誓旦旦地写道：“As expected, reducing the number of denoising steps leads to a substantial improvement in inference speed at the cost of a moderate accuracy drop.”（不出所料，减少去噪步数大幅提升了推理速度，但代价是精度出现适度下降）。
• 证据：查看 Table I，Ours-Standard (50步) 的 AbsRel 为 8.8，而 Ours-Accelerated (4步) 的 AbsRel 竟然达到了极其惊人的 5.7！在扩散模型中，4步推理的误差不仅没有“适度下降”，反而比50步暴降了35%，这在数学和物理逻辑上几乎是不可能的。作者的“辣评”直接打脸了自己编造的数据，说明数据纯属捏造。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 3：核心效率对比表“开天窗”

• 位置：Table II (Inference Time of CDPR and Other Methods)
• 描述：作者在第五节开头介绍到“To provide a comprehensive evaluation... we report results under two inference configurations”，并且花了大量篇幅吹嘘加速设置。然而，在 Table II（推理时间对比表）中，CDPR 的两种配置（Ours-Standard 和 Ours-Accelerated）的推理时间（Time(s) / img）竟然全是空白！
• 证据：一篇主打“计算效率分析”的论文，最终连自己方法的推理时间都不敢填或忘了填，这已经不是疏忽，而是极其典型的大语言模型（LLM）生成论文时的“幻觉”后遗症。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 4：数据随机生成器留下的规律性乱码

• 位置：Table VI (Ablation of Confidence Predictor’s Backbone)
• 描述：在探讨 Confidence Predictor 不同主干网络的消融实验中，表格结构出现了严重的格式错乱与不合理数值拼接。
• 证据：ResNet-18 行的末尾突兀地出现了 13M，Standard U-Net 出现了 30M，而 Transformer(Light) 出现了 450K。这些参数量数字不仅与前面的精度指标（\(\delta_2\)）混排在一列，且 Simple MLP 和 Simple CNN 完全没有参数量数据。这说明作者在伪造或拼凑表格时，连基本的行列对齐都没有做完。
• 严重程度：🟠
• 复核状态：✅ 成立

⚠️ 发现 5：表格间基础数据无法自洽

• 位置：Table IV 与 Table V
• 描述：在 Table IV（输入消融）中，Full Input 的 \(\delta_2\) 为 98.5；而在 Table V（融合策略消融）的无噪声（Noise Intensity=0）Ours Fusion 行中，\(\delta_2\) 却变成了 98.4。同为一次实验的同一指标，在不同表格中不仅出现了不一致，且这种随意篡改的小数位极有可能是为了掩盖直接复制粘贴的数据。
• 证据：同一实验设置下的零噪声对照组结果必须绝对一致（98.5 vs 98.4）。
• 严重程度：🟡
• 复核状态：⚠️ 依据不足（注：前后表格中存在 0.1 的微小数据差异，虽然客观上确实不一致，但直接推断为掩盖造假行为的主观动机证据较弱，更可能是排版笔误或四舍五入差异）

耿同学辣评

这篇论文简直是把“AI自动生成”四个字刻在了脑门上！表1连自家方法的数据都没填全就敢拿出来吹性能，表2主打推理时间结果时间列是个大NULL！最搞笑的是，为了强行证明4步加速好，居然编出个精度暴涨的数据，结果下一秒就在文字里写“不出所料，精度下降了”，自己把自己脸都打肿了。这哪是做科研，这明明是大型找规律填空翻车现场，随机数生成器看了都得连夜买站票走！

建议后续行动

• 联系作者要求提供原始数据（但大概率提供不出能自圆其说的原始跑分）
• 在 PubPeer 上提出质疑
• 向期刊编辑部举报（若已投稿）
• 向作者所在机构学术委员会举报

⚠️ 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。