本研究在联邦学习中引入了特性中心通信、伪权重合并和综合方法，验证了其加速收敛、提高隐私性和减少信息交换的有效性。研究结果为特性中心通信在联邦学习中的意义提供了洞见，并为远程感知场景的应用提供了定制方法。

本研究在远程感知图像分类中引入了特性中心通信、伪权重合并和综合方法，加速收敛、提高隐私性和减少信息交换。研究为特性中心通信在联邦学习中的应用提供了洞见，并为远程感知场景提供了潜在应用。