arXiv ID:
2607.08368
arXiv 提交日期: 2026-07-09
FedOPAL:基于分析性视觉提示调优的单次联邦学习 / FedOPAL: One-Shot Federated Learning via Analytic Visual Prompt Tuning
1️⃣ 一句话总结
本文提出FedOPAL框架,通过引入可学习的视觉提示作为特征修正器,结合局部近端约束,将非独立同分布数据的特征分布调整为线性可分状态,从而解决分析性联邦学习在异构数据下的特征流形错位问题,实现单次通信下的高效模型聚合,在无需服务器端训练的情况下取得与迭代方法相当的精度。