🔍 耿同学打假报告

论文信息

• 标题：LEAF-Mamba: Local Emphatic and Adaptive Fusion State Space Model for RGB-D Salient Object Detection
• 作者：Lanhu Wu, Zilin Gao, Hao Fei, Mong-Li Lee, Wynne Hsu
• 期刊：ACM International Conference on Multimedia (MM '25)
• DOI：10.1145/3746027.3754863
• 发表年份：2025
• 论文来源：3746027.3754863(1).pdf

综合评定：🟠 高度可疑

详细发现

发现 1：数据张冠李戴，文本与表格严重脱节（第二式：数据造假检测）

• 位置：Section 4.3 (Design of AFM) / Page 6
• 描述：作者在正文中描述“自适应融合模块（AFM）”各子组件的消融实验结果时，报告的提升比例与 Table 4 中的实际数据完全对不上，存在明显的“张冠李戴”现象。
• 证据：
  原文声称：“independently applying the SIM (or SEM) achieves performance boost with 1.41% (0.82%) and 4.54% (2.27%) on the SSD dataset in terms of \(F_\beta\) and MAE metrics.”（在没有CSoP的情况下，单独使用SIM或SEM，在SSD数据集上F_beta分别提升1.41%和0.82%，MAE分别提升4.54%和2.27%）。
  然而，根据 Table 4 的原始数据进行还原计算：
  • 1.41% 和 4.54% 实际上是 CSoP（#7）相较于基线的提升幅度：\((0.863-0.851)/0.851 \approx 1.41\%\)， \((0.044-0.042)/0.044 \approx 4.54\%\)。
  • 0.82% 和 2.27% 实际上是 SIM（#8）相较于基线的提升幅度：\((0.858-0.851)/0.851 \approx 0.82\%\)，\((0.044-0.043)/0.044 \approx 2.27\%\)。
    作者不仅把模块名字叫错（把CSoP的成绩安在了SIM头上，把SIM的成绩安在了SEM头上），甚至在原文中写道“adopting them together yields impressive performance gains of 1.88% and 6.81%”（同时使用它们带来1.88%和6.81%的提升），经过核算，这 1.88% 和 6.81% 实际上是 Table 4 中 CSoP + SIM（#9）的组合数据，而不是正文声称的组合。
    这种表格数据与正文分析大面积错位的情况，极度疑似作者在编造或拼凑论文话术时发生了复制粘贴错误，暴露了对实验结果把控极不严谨，甚至存在直接捏造文本分析的嫌疑。
• 严重程度：🔴
• 复核状态：✅ 成立

⚠️ 发现 2：性能数据“好得令人难以置信”（第一式 & 第二式辅助验证）

• 位置：Figure 1 / Table 1 / Abstract
• 描述：论文宣称提出的 LEAF-Mamba 在保持极高精度（全方位SOTA）的同时，计算开销仅为 18.1 GFLOPs，推理速度达到惊人的 70.2 FPS。
• 证据：对比 Table 1 中现有的 SOTA 方法，大部分基于 Transformer 的模型 FPS 在 10-30 之间徘徊（例如 VST++ 为 12 FPS，DCT 为 12 FPS，CAVER 为 21.3 FPS）。虽然 Mamba 结构具有线性复杂度优势，但参数量达到 84.5M 的双流网络在处理 RGB-D 任务时，直接飙升至 70.2 FPS（比同量级模型快了近 5-6 倍），且精度全面碾压，这种“既要又要还要”的完美表现违背了通常的工程常理。结合图片视觉分析摘要中的提示，Figure 1 的气泡图展示了极其孤立且完美的“双高”极值点，属于高风险特征。
• 严重程度：🟠
• 复核状态：⚠️ 依据不足（注：论文确实报告了18.1 GFLOPs、70.2 FPS及84.5M参数量等客观数据，但仅因模型推理速度快和精度高而推测数据造假缺乏决定性篡改证据，多源于审查者的主观工程经验推断。）

发现 3：定性图片未发现物理级篡改（第三式：图片拼接检测）

• 位置：Figure 5, Figure 6
• 描述：针对论文的视觉对比图进行了排查，未发现明显的造假痕迹。
• 证据：根据视觉分析摘要及图文交叉验证，Figure 5 和 Figure 6 中各列的背景纹理自然连续，不同算法生成的 Mask 具有合理的形态差异，未见生硬的拼接缝隙、复制粘贴或旋转复用等学术不端常规操作。
• 严重程度：🟢
• 复核状态：✅ 成立

耿同学辣评

论文写得花里胡哨，消融实验的算术却像个醉酒的魔术师——你给我看的是“SIM和SEM”的精彩双簧，帽子一掀，底下的数据竟然穿的却是“CSoP和SIM”的马甲！连抄自己表格的行和列都能抄串行，这大概率是“键盘侠”写故事时按下了 Ctrl+C+V 的盲盒键，把文字描述安错了模块。建议作者赶紧开源代码让大伙儿测试，另外多检查几遍表格对齐，不然这算法还没跑起来，文字先露馅了！

建议后续行动

• 联系作者要求提供完整的训练日志和测速原始脚本，重点验证 70.2 FPS 的测试环境（Batch Size, 分辨率, 硬件型号）。
• 要求作者解释 Section 4.3 中数据张冠李戴的原因，并核对真实的实验结论是否与表格一致。
• 在 PubPeer 上提出质疑，公示其正文与表格数据的对应错乱问题。
• 暂缓引用该论文的实验数据，直至其开源代码（Github链接）经过社区复现验证。

⚠️ 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。