90s解读AI | 西电公茂果团队: 综述-多模态数据的联邦学习

90s解读AI

随着大众对保护数据隐私的意识加强，作为训练模型主要范式之一的联邦学习(FL)因具有数据隐私保护功能而在近年来受到研究者们的越发关注。但是，大多数FL客户端当前还是单模态。随着边缘计算的崛起，多种多样的传感器和可穿戴设备产生了大量不同模态的数据，从而推动了对多模态联邦学习(MMFL)的研究。西安电子科技大学公茂果教授团队对多模态联邦学习(MMFL)领域的研究进行了深入剖析。文章首先分析了MMFL的主要动力。然后将当前已提出的MMFL方法根据MMFL的模态分布和模态注释进行了归类。接着讨论了MMFL的数据集和应用场景。最后列出了MMFL的局限与挑战，并为未来的研究进行了展望并提出了方法。

全文导读

西电公茂果团队 | 综述: 多模态数据的联邦学习

视频可见于https://mp.weixin.qq.com/s/Qu-J58F2IWDn78Dy_tBOdA

全文下载：

Federated Learning on Multimodal Data: A Comprehensive Survey

Yi-Ming Lin, Yuan Gao, Mao-Guo Gong, Si-Jia Zhang, Yuan-Qiao Zhang, Zhi-Yuan Li

https://link.springer.com/article/10.1007/s11633-022-1398-0

https://www.mi-research.net/en/article/doi/10.1007/s11633-022-1398-0