BriefGPT - AI 论文速递
·
MMiC：在集聚联邦学习中缓解模态不完整性
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出MMiC框架，解决多模态联邦学习中的模态缺失问题，通过替换客户端模型参数和优化客户端选择，显著提升了缺失模态数据集的性能。
🎯
关键要点
- 本研究提出MMiC框架，解决多模态联邦学习中的模态缺失问题。
- 模态缺失问题由数据质量或隐私政策导致。
- MMiC框架通过替换客户端模型中的部分参数来减轻模态缺失的影响。
- 利用Banzhaf权重指标优化客户端选择，动态控制全局聚合。
- 实验表明，MMiC在缺失模态的多模态数据集上性能显著提升。
➡️
