🔍 耿同学打假报告

论文信息

标题：MMSCN: Mask Based Multi-interval Spatiotemporal Convolution Network for Drop Detection
作者：Pengpeng Dai, Wei Tian, Yaru Jiang, Shujing Lyu*
期刊：2025 2nd International Conference on Intelligent Perception and Pattern Recognition (IPPR)
DOI：10.1109/IPPR66507.2025.11198569
发表年份：2025
论文来源：MMSCN_Mask_Based_Multi-Interval_Spatiotemporal_Convolution_Network_for_Drop_Detection.pdf

综合评定：🟠 高度可疑

复核说明：Table 2 的 F1 数学矛盾（发现 1）与多区间实验设置前后矛盾（发现 4）经原文逐字核验后确凿成立，属文本内可直接验证的硬伤；引用编号错位（发现 7）成立。图像取证 copy-move 与拼接线索（Figure 1 / Figure 4）所提良性解释在原文中无正面支持，最低保留为 ⚠️ 疑点。多处相互独立的异常叠加，维持 🟠 高度可疑。

详细发现

发现 1：Table 2 多个 F1 值在数学上不可能

位置：Table 2 (Performance Comparison)
描述：同一方法在同一设置下的 Acc / Recall / F1 三元组多处违反 F1 的数学约束。F1 = 2PR/(P+R) 必然介于 precision 与 recall 之间，且当 precision≤1 时 F1 ≤ 2·Recall/(1+Recall)。原文数据：
- TSN (video frames)：Acc 0.33, Recall 0.10, F1 0.33 —— F1=0.33 在 Recall=0.10 时数学上不可能（F1 上限≈0.18）；
- TSM (video frames)：Recall 0.12, F1 0.09 —— F1 不可能低于 Recall；
- Slowfast (video frames)：Recall 0.12, F1 0.33 —— 同样不可能（上限≈0.21）；
- VideoMAEv2 (video frames)：Recall 0.46, F1 0.22 —— 不可能。
证据：以上数值均经程序化核验在原文中逐字命中。这些不是测量误差能解释的偏离，是公式层面的硬性矛盾，提示表格数值可能未经真实实验产出、系随意填写或抄排错误后未经核对。无任何良性假设（SEM/SD 混用、四舍五入等）可以解释 F1 超出数学上限。
严重程度：🔴
复核状态：✅ 成立

⚠️ 发现 2：MMSCN 自身指标组合过于完美，叙述与表格部分脱节

位置：Table 2、Section D 与 Abstract
描述：MMSCN (mask frames) 报告 "96% accuracy, 98% recall, and a 99% F1-score"。经反方论证复核：F1=0.99、recall=0.98 要求 precision≈1.0（FP=0），且 accuracy 0.96 与之组合在数学上并非不可能（类别分布合适时可同时成立），因此“统计上极不合理”的原判断依据不足。Abstract 声称 "recognition accuracy of 96% and a recall rate of 98%"，正文声称对比方法 "climbs to 91% with the top-performing model" 与 Table 2 中 TSN 最高 Acc 0.91 一致，数值本身均在原文命中。保留的疑点仅为：三值全为整数百分比、SOTA 结论仅由这一组数值支撑，且 96% 未在对比叙述中呼应，呈现非自然的完美性。
证据：核验确认 96/98/99、91 等数值在原文中出现，但数值组合的合理性判断缺乏数学上的硬性矛盾支持。
严重程度：🟡
复核状态：⚠️ 依据不足

⚠️ 发现 3：Table 3 消融改进量与表中数据部分不符

位置：Table 3 (Ablation Results of Spatial Constraints) 及其后正文
描述：表中数据为 No Spatial Constraints: J&F 86.2%, J-mean 90.0%, F-mean 82.4%；With Spatial Constraints: 97.1%, 98.0%, 96.2%。正文声称 "improvements of 8.0% in J, 13.8% in F, and 10.9% in J&F"。复核实际差值：J = 97.1−90.0 = 7.1%（正文声称 8.0%，不符），F = 96.2−82.4 = 13.8%（相符），J&F = 97.1−86.2 = 10.9%（相符）。即三项改进量中有一项（J：声称 8.0% vs 实际 7.1%）与表格数据不匹配。原报告关于“系统性错位、J 与 J&F 差值被互相标错”的描述经复核不准确，予以更正。单一数字不匹配或为笔误，但 7.1 写成 8.0 无法用舍入解释，需作者说明。
证据：表格数值与正文中 J 列改进量的声称不符（8.0% vs 实际差值 7.1%），数据点均经核验在原文命中。
严重程度：🟡
复核状态：⚠️ 存在良性解释（单个改进量数字或为誊写笔误，但无法用舍入解释，需原始数据确认）

发现 4：多区间实验描述内部矛盾（区间集合不一致）

位置：Figure 3、Section C、Section F
描述：Section C 明确列出 "intervals of 2, 4, 6, 8, 10, 12, 14, and 16 frames, denoted as ⟨D2, D4, D6, D8, D10, D12, D14, D16⟩"；Section F 却声称 "comparing single-interval frame differences (3, 5, 7, 9) with a multi-interval setup incorporating intervals from 1 to 15 (see Fig. 3)"。三处对同一核心模块的区间定义互相矛盾（偶数 2–16 vs 奇数 3,5,7,9 vs 1–15），Figure 6 仅有曲线图无任何数值表格可供核验。
证据：核验确认全部相关描述在原文命中。这是对同一模块的实验设置层面的自相矛盾，不存在良性解释（并非术语差异，而是区间集合本身不同），而该消融正是 +5.1% acc、+12.29% recall、+6.67% F1 声称的唯一支撑。
严重程度：🟠
复核状态：✅ 成立

⚠️ 发现 5：Figure 1 帧序列疑似静态图复用（视觉摘要 + 机器取证支持）

位置：Figure 1
描述：视觉分析显示 "Video" 行 Frame 16/24/32/48 的车厢背景、货物形态与光照几乎完全一致，仅红框位置微变，不符合真实行驶视频应有的透视变化与运动模糊；机器取证 [I10] 在对应图像检测到 750 对精确匹配块的 copy-move 痕迹（偏移规则）。候选良性解释（车辆在相邻帧间近似静止、检测框绘制导致同偏移匹配、多面板排版的规则重复元素）在原文中无任何正面支持——论文自述场景为 "real driving scenarios" 下的动态掉落过程，连续多帧画面近乎零变化与核心研究内容自相矛盾。所提良性解释仅为推测，需作者提供原始视频帧排除。
证据：copy-move 强证据线索 + 视觉独立观察相互印证；原文无支持良性解释的方法学描述。
严重程度：🔴
复核状态：⚠️ 存在疑点（所提良性解释在原文中无正面支持，仅为推测，需原始素材核验）

⚠️ 发现 6：Figure 4 数据集采样图疑似重复截取，数据集真实性存疑

位置：Figure 4、Table 1
描述：视觉分析显示 Straight scene 行第 1/3 张、第 2/4 张高度雷同；机器取证 [I5][I8] 检出 copy-move 匹配块（偏移 (32,0) 规则模式），[I9] 噪声方差 CV=1.475 提示疑似拼接。论文声称 “the images were captured during real driving scenarios” 且构建了 "the first dataset dedicated to object-drop anomalies"（Table 1：54 段视频、2778 帧，数值经核验在原文命中）。候选良性解释（多面板排版导致的同偏移规则匹配、扫描照明梯度）在原文中无正面支持，仅为推测；但多图呈现同一规则偏移的批量 copy-move 阳性本身构成信号强度。需作者提供原始视频素材核验数据集真实性。
证据：copy-move 与噪声方差取证线索 + 视觉独立观察相互印证；原文无支持良性解释的说明。
严重程度：🟠
复核状态：⚠️ 存在疑点（所提良性解释在原文中无正面支持，仅为推测，需原始素材核验）

发现 7：引用编号与正文声明错位

位置：Introduction
描述：正文称 "TSA-Net[10]，...based on I3D[7]"，但参考文献 [10] 为 "Cheng, Y., et al. (2023) Segment and track anything"，并非 TSA-Net；[7] 为 Ren et al. 的 PoseTransformer3D 姿态动作识别论文，并非 I3D（I3D 即 Carreira & Zisserman 的工作，未出现在文献列表中）。I3D、TSA-Net 两条关键引言均指向错误或不存在的文献。
证据：核验确认引言描述与参考文献列表内容均在原文命中且不匹配。虽可能是笔误，但与本文其他数据问题叠加后呈现对文献核验的整体敷衍。
严重程度：🟡
复核状态：✅ 成立

关于机器取证统计检验（S1/S2）的处置说明

Benford 检验与末位数字检验的前提（数量级跨多个量级的自然数据）在本论文不满足：论文数值多为小整数帧数（519、567、671 等）和两位百分比，检验前提不成立，不据此下结论。噪声方差类 ⚠️（I2/I4/I6/I7）单独不足以定罪，仅作为发现 5、6 的辅助线索。

耿同学辣评

F1 值想写多大就写多大、直接顶破数学上限，核心消融实验的区间定义前后三张嘴，号称真实行驶场景的展示帧却纹丝不动——这篇“掉落检测”论文，最该被检测的就是它自己数据的真实性掉没掉。

建议后续行动

联系作者要求提供 Table 2/3 的原始实验日志与逐帧预测结果，并解释 Table 2 中数学上不可能的 F1 值
要求作者解释 Section C 与 Section F 中相互矛盾的多区间定义，并提供 Figure 6 的数值结果
要求提供 dropping-anomaly 数据集的原始视频与发布渠道，核验 Figure 1 / Figure 4 帧序列真实性
在 PubPeer 上提出质疑（引用 Table 2 F1 数学矛盾与消融设置矛盾）
向期刊/会议（IPPR / IEEE）编辑部举报
向作者所在机构（华东师范大学）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。

🧮 证据合成（自动生成）

综合后验概率：≥99.9%（先验 5%）
95% 可信区间：[100%, 100%]
贝叶斯因子：BF = 2.35e+7（决定性（decisive））
综合评级：🔴 高度疑似
复核已排除线索：7 条（良性解释成立 / 检验前提不满足 / 说明性条目，未计入合成）

贡献最高的证据：

[发现1] TSN/TSM/Slowfast/VideoMAEv2 的 Acc/Recall/F1 组合多处违反 F1 介于 precision 与 recall 之间的数学约束，疑为未真实实验产出的数值。（llm/*，logLR=1.59）— 贡献 11.9%
[发现4] 同一模块的区间定义三处互相矛盾，消融结果仅以曲线呈现无数值可复核。（llm/*，logLR=1.59）— 贡献 10%
[I10] [img-005.jpg] 检测到 copy-move 复制粘贴：偏移 (32,0) 处 750 对匹配块（image/copy_move，logLR=1.46）— 贡献 9.3%
[I5] [img-002.jpg] 检测到 copy-move 复制粘贴：偏移 (32,0) 处 42 对匹配块（image/copy_move，logLR=1.46）— 贡献 9%
[I8] [img-004.jpg] 检测到 copy-move 复制粘贴：偏移 (32,0) 处 50 对匹配块（image/copy_move，logLR=1.46）— 贡献 8.7%

免责：本小节由程序化贝叶斯合成自动生成，不构成学术不端判决。先验固定 5%，证据间按条件独立处理（可能高估相关证据的联合强度），LR 版本 geng_lr_v3（Phase 5 基准回归校准：任务级触发率比值+复核处置标签，n=11，向 v2 收缩 k=10）；可信区间与点估计来自同一后验（先验抽样 + LR 噪声的联合蒙特卡洛，区间随证据强度收敛）。请以正文具体发现与原始数据为准。

MMSCN: Mask Based Multi-interval Spatiotemporal Convolution Network for Drop Detection