简单回忆一下之前的帖子和部分网友的评论:
帖子里面提到2点 ：
第一 ，开源代码开的不全，大部分都是从别人的github拉过来的代码，自己论文中实现的核心代码基本没有; (顺便反驳下@刘斯坦的回忆，之前帖子并没有说不能使用别人的代码，而是说自己的核心代码也要放到github上，不能只放github上已有的代码)。此外，对别人提的issue置之不理，甚至直接关闭。
第二 ，论文写的不详细，导致无法复现， 可能 存在学术不端 (这里再顺便反驳下@刘斯坦，复现别人论文的时候，如果作者完全公开各种细节，复现的结果至少和论文中公布的结果基本一致。比如你在ImageNet上训练一个Image classification模型，没有多少人会说是随机数导致的吧)。另外，至于是不是学术不端，根据@程明明老师的学术规范与论文写作的第1课PPT里面的第10, 11, 和12页内容以及第4课里面的第27页内容，大家可以自行判断。
帖子里面的评论包括 :
1. PKVD 论文的作者的文章不要看，基本复现不出来。应该是这篇文章，Point-to-Voxel Knowledge Distillation for LiDAR Semantic Segmentation (CVPR 2022)。刚看了下，作者已经把issue关了，https:// github.com/cardwing/Cod es-for-PVKD 。
2. SCPNet 被法国的一个组给锤了。SCPNet 应该是这篇文章，SCPNet: Semantic Scene Completion on Point Cloud (CVPR 2023, Highlight)。同样，作者已经把issue关了，GitHub - SCPNet/Codes-for-SCPNet: SCPNet: Semantic Scene Completion on Point Cloud (CVPR 2023, Highlight)。
另外，锤他们的法国论文应该是这一篇，PaSCo: Urban 3D Panoptic Scene Completion with Uncertainty Awareness，https:// arxiv.org/pdf/2312.0215 8.pdf 。在论文第10页的「6. Implementation Details」章节的最后一小段有这么一段话，「 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 「。
根据帖子内容和帖子里面的评论，有问题的组应该是ADLab组ADG@PJLab，他们的其它github repos 包括但不限于:
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
附带躺枪的组 :
1. OpenDriveLab, GitHub - OpenDriveLab/UniAD: [CVPR 2023 Best Paper] Planning-oriented Autonomous Driving 主要还是论文中没写明细节问题。至于是不是学术不端，参考上面提到的 第二 条。
历史不良记录 :
1.根据下面知友的帖子和评论，2019年CVPR有哪些糟糕的论文?，里面提到的论文应该是这一篇，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师。
