CreamFL是一个支持多模态联邦学习的框架，使用异构模型结构和数据模态提高全局模型复杂度和数据容量。它使用公共数据集进行知识交流，并设计了全局本地交叉模态集成策略来聚合客户端表示。同时，它提出了模态间和模态内对比的策略来规范本地训练，测试结果表明比其他联邦学习方法更好。