实体
Multimodal Federated Learning
Multimodal Federated Learning
PulseAugur coverage of Multimodal Federated Learning — every cluster mentioning Multimodal Federated Learning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的RASO方法优化了具有缺失数据的多模态联邦学习
一篇新论文介绍了一种名为角色感知服务器优化(RASO)的方法,该方法旨在改进在某些数据模态缺失的情况下进行的多模态联邦学习。RASO解决了在选择哪些客户端应为模型组件做出贡献以及如何聚合其更新方面的挑战。所提出的方法区分了编码器更新和共享预测块更新,即使在模态缺失的情况下也能实现更有效的聚合。实验表明,RASO在各种数据集和融合架构上都提高了性能。
-
新的联邦学习方法应对模型异构和数据缺失问题
两篇新的研究论文介绍了联邦学习的新方法,解决了模型异构和模态缺失的挑战。FedTopo 专注于共享类别关系拓扑,以克服客户端之间的架构差异,并在实验中优于现有方法。FedTaste 通过使用冻结的基础模型创建全局结构蓝图,并使用轻量级提示和谱一致性正则化来适应缺失模态的客户端,来解决多模态联邦学习中数据缺失的问题。