该文章介绍了CMSFed，一种解决多模态联邦学习中模态失衡问题的客户端模态选择方案。通过选择性地使用不同模态的本地数据参与训练和聚合，减轻全局模型的模态失衡，并引入新的局部训练损失函数来增强弱模态并调整特征空间差异。该方案还设计了模态级梯度解耦方法来维持选择过程中的梯度差异，并根据每次迭代中的本地模态失衡平衡多模态联邦学习。实验证明了CMSFed在多模态数据利用中的有效性。

该研究提出了一种基于客户端的模态选择方案CMSFed，用于解决多模态联邦学习中的模态失衡问题。该方案通过选择性地使用不同模态的本地数据参与本地训练和聚合，减轻全局模型的潜在模态失衡，并引入新的局部训练损失函数来增强弱模态并调整特征空间差异。实验证明了CMSFed在多模态数据利用中的有效性。