FedDoG:免训练域生成框架用于一次性联邦学习
热点事件持续更新
FedDoG:免训练域生成框架用于一次性联邦学习
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Yixuan Tong 等作者提出免训练域生成框架 FedDoG,利用服务端预训练扩散模型为一次性联邦学习合成与客户端域对齐的数据。其做法是用冻结图像编码器提取紧凑域表示,经预训练图像条件适配器注入扩散模型提供视觉引导,并按域集中度调整条件强度、依据类别一致性与预测熵过滤样本。 作者称,在三个基准上 FedDoG 的分类准确率优于现有 OSFL 基线,客户端上传量和计算时间分别降低 99.9% 和 91.5%。
AI 根据报道生成 · 59 分钟前更新
最新进展11月20日 13:00
FedDoG:用服务端预训练扩散模型实现免训练域生成的一次性联邦学习报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AIFedDoG:用服务端预训练扩散模型实现免训练域生成的一次性联邦学习
FedDoG 是一个免训练的域生成框架,利用服务端预训练扩散模型为一次性联邦学习合成与客户端域对齐的数据。它用冻结图像编码器提取紧凑域表示,经预训练图像条件适配器注入扩散模型提供视觉引导,并按域集中度调整条件强度、依据类别一致性与预测熵过滤样本。在三个基准上,FedDoG 分类准确率优于现有 OSFL 基线,客户端上传量和计算时间分别降低 99.9% 和 91.5%。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。