MFedPBA：原型引导双边对齐多模态联邦学习

2026年10月1日，arXiv cs.AI 全量分类收录论文《MFedPBA：原型引导的双边对齐多模态联邦学习框架》。该研究针对多模态联邦学习中客户端架构异构与模态严重不平衡的问题，提出 MFedPBA 框架：在特征层通过对比学习与 Gromov-Wasserstein 距离对齐异构特征空间，在决策层对 logit 原型进行熵加权聚合。实验显示，该方法在模型异构与模态不平衡条件下显著优于现有 SOTA 基线。论文已被 ICML 2026 接收为 Spotlight。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。