跳到正文
热点事件持续更新

He 等人提出 TC-LEACE 方法抑制共享嵌入中的条件属性泄露

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Haijun He、Fei Li 等人在 arXiv 上发布了 TC-LEACE(Task-Conditional LEACE)方法,旨在解决共享医学图像嵌入中敏感属性泄露与概念擦除问题。该方法通过在拟合数据内对每个任务层施加线性保护约束,在保留任务信号的同时抑制条件泄露。 研究团队利用四个视觉基础模型在 CelebA 数据集的 85 个属性对上进行了评估,并进一步使用包含两个生物医学模型的三个基础模型检验了医院胸部 X 光片数据。实验证实该方法能恢复大部分线性效用损失,并将条件泄露控制在预设范围内,为医疗影像下游任务的安全嵌入提供了新方案。

AI 根据报道生成 · 41 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · 机器人与计算机视觉
    TC-LEACE:解决共享医学图像嵌入中的条件属性泄露与概念擦除问题

    针对共享医学图像嵌入可能泄露敏感属性的问题,研究提出 Task-Conditional LEACE(TC-LEACE)方法以在保留任务信号的同时抑制条件泄露。实验基于 CelebA 的 85 个属性对及胸部 X 光片数据集验证,证实该方法能恢复大部分线性效用损失并将条件泄露控制在预设范围内。该工作发表于 arXiv:2611.25640,为医疗影像下游任务的安全嵌入提供了新的理论保障与实现方案。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。