Lethe
PulseAugur coverage of Lethe — every cluster mentioning Lethe across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新基准 Lethe 评估图神经网络中的边缘遗忘
研究人员推出了 Lethe，这是一个旨在评估图神经网络边缘遗忘方法的新基准。目前对边缘遗忘的评估有限，通常使用节点特征掩盖图结构的数据集，并采用对删除边不敏感的准确性指标。Lethe 通过关注大型图、提供不同难度的任务以及利用链接推理攻击作为更有效的评估措施来解决这些问题。该基准包括 15 种方法和 8 个数据集，旨在为评估边缘遗忘技术提供一个更强大、可重现的框架。
-
KVeil方法在ECCV 2026可学视频挑战赛中获胜
研究人员开发了一种名为KVeil的新颖方法，用于保护面部视频免遭未经授权的定制，并在ECCV 2026 LifeGenIP挑战赛中获得第一名。该技术采用参考容量崩溃和运动引导的EOT来降低身份信息，同时保持视频表示依赖性。对于更复杂的威胁，一个两层框架分别保护面部和背景区域，实现了对各种定制方法和时间攻击的稳健防御。
-
新方法LETHE防御未经授权的图像到视频生成
研究人员开发了一种名为LETHE的新方法，用于防御未经授权的图像到视频生成。该技术旨在通过破坏图像到视频扩散模型解释参考图像的方式来破坏伪造视频。LETHE通过收缩参考值向量的传播来实现这一点，使生成的视频不准确或视觉上损坏，并在多个模型上展示了最先进的保护性能。
-
新研究论文详述 LETHE，一个 GAN 启发式的声音遗忘系统
一篇新研究论文介绍了一种名为 LETHE 的自指系统，该系统专为声音遗忘而设计，并使用 SuperCollider 实现。该架构从生成对抗网络（GANs）中汲取灵感，但在初始设置后，它在封闭循环中运行，无需外部数据集或监督。LETHE 通过混合矩阵和延迟线处理音频，其参数通过线性判别器和随机扰动优化器进行演变。通过消融研究证明了该系统在驱动参数演变方面的有效性。
-
新基准测试‘Lethe’用于医学影像联邦学习遗忘
研究人员推出了 Lethe，这是一个旨在评估联邦学习遗忘方法在医学影像应用中表现的新基准测试。现有的遗忘技术主要在自然图像上进行测试，可能无法有效迁移到临床数据的独特特征上。Lethe 在八个任务家族中评估了十二种不同的方法，包括分类、分割和视觉-语言问答，并具有不同程度的遗忘粒度。基准测试结果表明，遗忘请求的难度，而不是方法本身，是主要区分因素，只有困难的删除才能显著区分方法的性能。
-
新研究探索高效且鲁棒的机器学习擦除技术
研究人员正在开发新的机器学习擦除方法，旨在无需完全重新训练即可从训练模型中去除特定数据的影响。多篇论文提出了实现更高效、更鲁棒擦除的新技术。这些方法侧重于在确保遗忘的知识不易被恢复的同时，保持模型的效用，即使在持续训练或对抗性攻击下也是如此。