簡單回憶一下之前的貼文和部份網友的評論:
貼文裏面提到2點 ：
第一 ，開原始碼開的不全，大部份都是從別人的github拉過來的程式碼，自己論文中實作的核心程式碼基本沒有; (順便反駁下@劉史坦的回憶，之前貼文並沒有說不能使用別人的程式碼，而是說自己的核心程式碼也要放到github上，不能只放github上已有的程式碼)。此外，對別人提的issue置之不理，甚至直接關閉。
第二 ，論文寫的不詳細，導致無法復現， 可能 存在學術不端 (這裏再順便反駁下@劉史坦，復現別人論文的時候，如果作者完全公開各種細節，復現的結果至少和論文中公布的結果基本一致。比如你在ImageNet上訓練一個Image classification模型，沒有多少人會說是隨機數導致的吧)。另外，至於是不是學術不端，根據@程明明老師的學術規範與論文寫作的第1課PPT裏面的第10, 11, 和12頁內容以及第4課裏面的第27頁內容，大家可以自行判斷。
貼文裏面的評論包括 :
1. PKVD 論文的作者的文章不要看，基本復現不出來。應該是這篇文章，Point-to-Voxel Knowledge Distillation for LiDAR Semantic Segmentation (CVPR 2022)。剛看了下，作者已經把issue關了，https:// github.com/cardwing/Cod es-for-PVKD 。
2. SCPNet 被法國的一個組給錘了。SCPNet 應該是這篇文章，SCPNet: Semantic Scene Completion on Point Cloud (CVPR 2023, Highlight)。同樣，作者已經把issue關了，GitHub - SCPNet/Codes-for-SCPNet: SCPNet: Semantic Scene Completion on Point Cloud (CVPR 2023, Highlight)。
另外，錘他們的法國論文應該是這一篇，PaSCo: Urban 3D Panoptic Scene Completion with Uncertainty Awareness，https:// arxiv.org/pdf/2312.0215 8.pdf 。在論文第10頁的「6. Implementation Details」章節的最後一小段有這麽一段話，「 For SCPNet, despite many email exchanges with the authors we were unable to reproduce their reported performance using their official code as also mentioned by other users 「。
根據貼文內容和貼文裏面的評論，有問題的組應該是ADLab組ADG@PJLab，他們的其它github repos 包括但不限於:
GitHub - PJLab-ADG/neuralsim: neuralsim: 3D surface reconstruction and simulation based on 3D neural rendering.
GitHub - PJLab-ADG/3DTrans: An open-source codebase for exploring autonomous driving pre-training
GitHub - PJLab-ADG/OpenPCSeg: OpenPCSeg: Open Source Point Cloud Segmentation Toolbox and Benchmark
附帶躺槍的組 :
1. OpenDriveLab, GitHub - OpenDriveLab/UniAD: [CVPR 2023 Best Paper] Planning-oriented Autonomous Driving 主要還是論文中沒寫明細節問題。至於是不是學術不端，參考上面提到的 第二 條。
歷史不良記錄 :
1.根據下面知友的貼文和評論，2019年CVPR有哪些糟糕的論文?，裏面提到的論文應該是這一篇，Finding Task-Relevant Features for Few-Shot Learning by Category Traversal (CVPR 2019 Oral)，https:// arxiv.org/abs/1905.1111 6v1 。一作的名字叫 H. Y. Li。不知道是不是那位李姓老師。
