HybridVFL: 面向边缘的垂直联邦多模态分类解耦特征学习

这项研究探索了一种新的垂直联邦学习方法，这对于在边缘计算环境中进行隐私保护的多模态分类至关重要。解耦特征学习策略可能会提高性能，同时解决与数据异构性和通信开销相关的挑战。

• •解决了隐私保护多模态分类的挑战。
• •专注于联邦学习方法，有利于分布式数据。
• •探索特征解耦以提高性能和效率。