★ 2
RASO:面向缺失模态多模态联邦学习的角色感知服务器优化
论文针对缺失模态下的多模态联邦学习,提出角色感知服务器优化(RASO),协调贡献者选择与角色特定的服务器更新。RASO 通过预测依赖与本地优化参与度选择贡献者,保留编码器动量并同步共享预测块。多数据集与融合架构实验验证其在缺失模态下的有效性。
arXiv cs.LG10 小时前
共 2 篇相关资讯,按重要度与时间排序,每 3 小时更新。
论文针对缺失模态下的多模态联邦学习,提出角色感知服务器优化(RASO),协调贡献者选择与角色特定的服务器更新。RASO 通过预测依赖与本地优化参与度选择贡献者,保留编码器动量并同步共享预测块。多数据集与融合架构实验验证其在缺失模态下的有效性。
该条为社区讨论帖,仅包含标题与讨论/链接入口,未提供平台功能或发布细节。内容指向名为 AllModels 的模型聚合类项目,缺乏可核实事实。