求助：无法复现出论文的结果

[ggoodd-any]

高老师您好，我以The Changes You Want To See（CYWS）的代码框架为基础尝试复现MetaUAS的结果。训练数据集只使用InpatinedCocoDataset，数据增强方式大部分保持CYWS的数据增强模式，同时遵循DRAEM论文中的方法，增加了使用Perlin噪声合成的异常，以实现local region changes。
模型方面完全遵循MetaUAS的配置，使用了代码提供的模型。学习率设置为1e-4，Weight Decay 为，BatchSize设置为128，训练30epochs。然后直接使用这个模型在MVTecAD数据集上进行测试。模型测试代码与MetaUAS的配置完全相同，使用oneprompt_seed1.json配置。
训练结果为:

Name	I-AUROC	I-AP	I-F1max	P-AUROC	P-AP	P-F1max	P-AUPRO
bottle	0.974	0.992	0.961	0.901	0.537	0.486	0.630
cable	0.650	0.790	0.763	0.927	0.338	0.374	0.710
capsule	0.649	0.885	0.905	0.804	0.088	0.135	0.366
carpet	0.878	0.968	0.909	0.914	0.514	0.512	0.555
grid	0.815	0.932	0.862	0.785	0.160	0.268	0.419
hazelnut	0.951	0.971	0.923	0.982	0.754	0.705	0.909
leather	0.999	1.000	0.995	0.979	0.406	0.419	0.930
metal_nut	0.708	0.907	0.912	0.540	0.224	0.257	0.494
pill	0.601	0.905	0.916	0.606	0.142	0.251	0.459
screw	0.611	0.827	0.858	0.779	0.025	0.059	0.487
tile	0.846	0.941	0.865	0.820	0.507	0.480	0.620
toothbrush	0.744	0.904	0.845	0.820	0.296	0.382	0.493
transistor	0.628	0.579	0.608	0.798	0.207	0.279	0.527
wood	0.988	0.996	0.968	0.894	0.541	0.543	0.622
zipper	0.686	0.906	0.881	0.692	0.090	0.119	0.277
Avg	0.782	0.900	0.878	0.816	0.322	0.351	0.567

与论文的结果相差比较大。
是不是我在复现的过程中忽略了某些重要的细节？例如需要进行梯度裁剪，或者需要在训练数据集中加入一部分MVTec-AD的训练数据集一起训练。

[gaobb]

感谢您复现MetaUAS。 无需要加入额外的数据集训练。您提到的加入一部分MVTec-AD的训练数据集这会引发明显的数据泄漏。 现在无法了解您的实现过程，很难定位具体的问题。 ggoodd ***@***.***> 于2025年12月23日周二 17:14写道：

…

*ggoodd-any* created an issue (gaobb/MetaUAS#13) <#13> 高老师您好，我以The Changes You Want To See（CYWS）的代码框架为基础尝试复现MetaUAS的结果。训练数据集只使用InpatinedCocoDataset，数据增强方式大部分保持CYWS的数据增强模式，同时遵循DRAEM论文中的方法，增加了使用Perlin噪声合成的异常，以实现local region changes。 模型方面完全遵循MetaUAS的配置，使用了代码提供的模型。学习率设置为1e-4，Weight Decay 为，BatchSize设置为128，训练30epochs。然后直接使用这个模型在MVTecAD数据集上进行测试。模型测试代码与MetaUAS的配置完全相同，使用oneprompt_seed1.json配置。 训练结果为: Name I-AUROC I-AP I-F1max P-AUROC P-AP P-F1max P-AUPRO bottle 0.974 0.992 0.961 0.901 0.537 0.486 0.630 cable 0.650 0.790 0.763 0.927 0.338 0.374 0.710 capsule 0.649 0.885 0.905 0.804 0.088 0.135 0.366 carpet 0.878 0.968 0.909 0.914 0.514 0.512 0.555 grid 0.815 0.932 0.862 0.785 0.160 0.268 0.419 hazelnut 0.951 0.971 0.923 0.982 0.754 0.705 0.909 leather 0.999 1.000 0.995 0.979 0.406 0.419 0.930 metal_nut 0.708 0.907 0.912 0.540 0.224 0.257 0.494 pill 0.601 0.905 0.916 0.606 0.142 0.251 0.459 screw 0.611 0.827 0.858 0.779 0.025 0.059 0.487 tile 0.846 0.941 0.865 0.820 0.507 0.480 0.620 toothbrush 0.744 0.904 0.845 0.820 0.296 0.382 0.493 transistor 0.628 0.579 0.608 0.798 0.207 0.279 0.527 wood 0.988 0.996 0.968 0.894 0.541 0.543 0.622 zipper 0.686 0.906 0.881 0.692 0.090 0.119 0.277 Avg 0.782 0.900 0.878 0.816 0.322 0.351 0.567 与论文的结果相差比较大。 是不是我在复现的过程中忽略了某些重要的细节？例如需要进行梯度裁剪，或者需要在训练数据集中加入一部分MVTec-AD的训练数据集一起训练。 — Reply to this email directly, view it on GitHub <#13>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/ACHR2B2Z7WYOBG7R63BALAL4DEBW3AVCNFSM6AAAAACP2REFYGVHI2DSMVQWIX3LMV43ASLTON2WKOZTG42TMNRXGQ4DKMQ> . You are receiving this because you are subscribed to this thread.Message ID: ***@***.***>

-- --------------------------------------------------------------- Bin-Bin Gao, Ph.D，Senior Researcher YouTu Lab, Tencent Shenzhen 518075, China Homepage: https://csgaobb.github.io/ Email: ***@***.***

[ggoodd-any]

具体的实现过程：https://github.com/ggoodd-any/MetaUAS-Reproduce

[gaobb]

@ggoodd-any 谢谢您的复现。最近正在赶另一个重要的项目，我会尽快整理并公开MetaUAS训练code。

具体的实现过程：https://github.com/ggoodd-any/MetaUAS-Reproduce

[SChaoWei]

你好，我想问一下训练代码还公开吗，我目前也在进行相关工作研究