Hacktoberfest 2026：メンテナが10月に向けて印を付けた、オープンで初心者向けの issue。 Hacktoberfest の issue を見る

Potential DOVER ONNX Output-Order Mismatch

オープン 初心者向け
  • 何か問題がありますか？
#75 コメント 0 件 リアクション 0 件 担当者 0 名 GitHub で見る

まだ誰も着手していません。

評価

難易度
2/5
見積もり時間
1〜3時間
初心者へのやさしさ
72/100
issue の種類
バグ
明瞭さ
明確に書かれている
活発さ
活発
技術スタック
python
領域
machine-learning, testing-qa

調査の方向性

evaluation/models/dover/convert_to_onnx.py と evaluation/models/dover/onnx_inference.py を読み、次に fuse_results() が想定するキャリブレーションの順序を確認してください。各 ONNX 出力がどのスコアを表すのか、また推論がそれらを想定どおりの順序で渡しているかを検証してください。出力と融合への入力が同じ順序を使い、結果のスコア計算が検証されれば完了です。

索引モデルが issue の本文から書いたものです。

説明

Hi MOVA team, thanks for sharing your work!

I noticed a potential output-order mismatch in the DOVER ONNX evaluation scripts:

  • convert_to_onnx.py returns the aesthetic score first:

    return [aesthetic_score_pooled, technical_score_pooled]

  • onnx_inference.py passes these outputs directly to fuse_results():

    scores = [np.mean(s) for s in predictions]
fuse_results(scores)

However, fuse_results() expects technical first, aesthetic second, based on its calibration parameters. This could result in incorrect normalization and fusion weights.

A possible fix is to swap the outputs before fusion:

aes_score, tech_score = [np.mean(s) for s in predictions]
overall_score = fuse_results([tech_score, aes_score])

Alternatively, the export script could return the technical score first, followed by regenerating the ONNX model.

A similar issue was discussed in upstream DOVER issue #25.

Thanks!

主要言語
Python
スター
1.1k
フォーク
97
30日以内にマージされた PR はありません

環境構築

このプロジェクトには開発コンテナ、Dockerfile、コントリビューションガイドがありません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。

はじめの一歩

  1. issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
  2. 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
  3. リポジトリをフォークし、ブランチを切って変更します。
  4. issue 番号を参照したプルリクエストを送ります。

OpenMOSS/MOVA のほかの issue

OpenMOSS/MOVA の issue をすべて見る

似ている issue

Python の issue をもっと見る

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。