研究人员推出FedDoG,一个新颖的无训练框架,通过利用服务器端预训练的扩散模型来增强单次联邦学习(OSFL)。该方法通过合成与个体客户端分布一致的数据,解决了客户端数据异构且通信轮次有限的挑战。FedDoG通过提取紧凑的域表示并使用预训练的图像条件适配器进行视觉引导,显著降低了客户端的计算和通信成本。实验表明,FedDoG生成的合成图像质量更高,分类准确性得到提升,并大幅缩短了客户端上传和计算时间。 AI
影响 提高了联邦学习的效率和数据合成质量,有望实现更强大的设备端AI。
排序理由 该集群包含一篇详细介绍联邦学习新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Diffusion Models
- FedDoG
- federated learning
- Hugging Face
- Image-Conditioning Adapter
- image processing method
- One-Shot Federated Learning
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →