多模态联邦学习研究提出多种方法：FedMFS利用Shapley值量化模态贡献，平衡性能与通信；CMSFed解决模态失衡；FedMultimodal提供鲁棒性评估基准；CreamFL支持异构模型与数据模态；MFCPL应对严重缺失模态；FedCMI缓解模态失衡与知识异质；FedMEKT结合半监督与知识迁移，降低通信成本。