Hacktoberfest 2026：维护者为十月标记出来的 issue，仍然开放、适合新手。 浏览 Hacktoberfest issue

Potential DOVER ONNX Output-Order Mismatch

未关闭 适合新手
  • 哪里不对？
#75 0 条评论 0 个 reaction 已指派 0 人 在 GitHub 查看

还没有人认领这个 Issue。

评估

难度
2/5
预计耗时
1-3 小时
新手友好度
72/100
Issue 类型
缺陷
描述清晰度
描述清楚
活跃度
活跃
技术栈
python
领域
machine-learning, testing-qa

调研方向

阅读 evaluation/models/dover/convert_to_onnx.py 和 evaluation/models/dover/onnx_inference.py，然后检查 fuse_results() 预期的校准顺序。验证每个 ONNX 输出代表哪个分数，以及推理是否按预期顺序传入这些输出。输出和融合输入使用相同顺序，且结果分数计算经过验证后，即完成此项工作。

由索引模型根据 Issue 内容生成。

描述

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!

主要语言
Python
星标
1.1k
派生
97
30 天内没有已合并 PR

环境准备

这个项目没有提供开发容器、Dockerfile 或贡献指南，环境需要你自己搭建：先看它的 README，通用步骤见我们的新手贡献指南。

从这里开始

  1. 先读完整个 Issue，再读项目的贡献指南。
  2. 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
  3. Fork 仓库，在一个分支上完成修改。
  4. 提交 Pull Request，并在描述里引用这个 Issue 编号。

OpenMOSS/MOVA 的其他 Issue

查看 OpenMOSS/MOVA 的全部 Issue

相似的 Issue

更多 Python Issue

把新 issue 发到你的邮箱

精选适合新手参与的 GitHub issue 摘要。