arXiv ID:
2603.04890
arXiv 提交日期: 2026-03-05
FedAFD:基于对抗性融合与蒸馏的多模态联邦学习 / FedAFD: Multimodal Federated Learning via Adversarial Fusion and Distillation
1️⃣ 一句话总结
这篇论文提出了一个名为FedAFD的新框架,它通过客户端上的对抗性对齐与自适应融合,以及服务器上的相似性引导蒸馏,有效解决了多模态联邦学习中因数据、任务和模型差异导致的性能瓶颈,从而在保护隐私的同时,让不同数据类型的设备能协同训练出更强大且个性化的模型。