本研究提出了一种多模态时空适配器（MSTA），旨在解决视频动作识别中的灾难性遗忘问题，提升文本与视觉表示的对齐度，减少学习参数，同时保持模型的泛化能力，展示了提高迁移学习效率的潜力。

本研究提出了一种通信高效的人机交互联邦学习框架（CEFHRI），通过预训练模型和时空适配器解决数据异构性和通信成本挑战。实验证明CEFHRI在通信成本上优于完全微调，为工业环境提供了安全高效的人机交互联邦学习方法。