FedMMKT：在多模态联邦学习中协同提升服务器文本到图像模型与客户端任务模型
机器学习
2025-10-15 v1
摘要
文本到图像（Text-to-Image, T2I）模型已在广泛的应用场景中展现出多样性。然而，由于隐私原因，针对特定任务的 T2I 模型适配往往受限于任务专用数据的可得性。另一方面，充分利用现代移动系统和物联网基础设施中的丰富多模态数据， presents a 巨大的机遇。本文引入联邦多模态知识转移（Federated Multi-modal Knowledge Transfer, FedMMKT），一种新型框架，使其能够在不妥协数据隐私的前提下，通过去中心化的多模态数据实现服务器 T2I 模型与客户端任务特定模型的协同提升。
引用
@article{arxiv.2510.12254,
title = {FedMMKT:Co-Enhancing a Server Text-to-Image Model and Client Task Models in Multi-Modal Federated Learning},
author = {Ningxin He and Yang Liu and Wei Sun and Xiaozhou Ye and Ye Ouyang and Tiegang Gao and Zehui Zhang},
journal= {arXiv preprint arXiv:2510.12254},
year = {2025}
}