arXiv cs.LG· Liuyin Shi, Wenbo He·· 16 小时前AI 评分33
面向模态缺失多模态联邦学习的角色感知服务端优化 RASO
Role-Aware Server Optimization for Multimodal Federated Learning with Missing Modalities
AI 导读
针对模态缺失下的多模态联邦学习（MFL），研究人员提出角色感知服务端优化（RASO），协调贡献客户端选择与特定角色的服务端更新。该方法依据预测依赖性及本地优化参与情况筛选贡献客户端，保留编码器动量，并将共享预测模块同步至当前聚合。跨数据集和融合架构的实验验证了 RASO 在模态缺失场景下的有效性。
来源：arXiv cs.LG · arxiv.org