研究探讨了扩散模型在一次性联邦学习中的有效性，证明其在处理数据异构性和提升性能方面的作用。比较了其在差分隐私下的效用，并提出傅里叶幅度过滤方法以提高生成样本质量。

FedBiP：基于个性化潜在扩散模型的异构一次性联邦学习
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证