FedGAMMA框架实现联邦多模态图学习

研究人员推出了一种新颖的联邦多模态图基础学习框架FedGAMMA。该方法通过采用联邦预训练和基于提示的微调的两阶段过程，解决了从碎片化、受隐私限制的多模态属性图学习的挑战。FedGAMMA利用共享-私有语义增强器进行跨模态对齐，并利用拓扑感知的图融合模块来解耦语义和结构视图，在各种下游任务和少样本学习场景中展示了显著的性能提升。 AI

影响 该框架可以通过学习分布式、私有的多模态图数据，实现更强大的AI模型。

排序理由 该集群包含一篇详细介绍多模态图学习新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• federated learning
• FedGAMMA
• Gotit.pub
• Graph foundation learning
• Hugging Face
• machine learning
• Multimodal Attributed Graphs
• optimal transport
• ScienceCast

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →