Buchumschlag

Recovering Global Data Distribution Locally in Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Yao, Ziyu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Locally, Revising Globally: Global Reviser for Federated Learning with Noisy Labels
von: Tian, Yuxin, et al.
Veröffentlicht: (2024)

Redefining non-IID Data in Federated Learning for Computer Vision Tasks: Migrating from Labels to Embeddings for Task-Specific Data Distributions
von: Borazjani, Kasra, et al.
Veröffentlicht: (2025)

Global-Graph Guided and Local-Graph Weighted Contrastive Learning for Unified Clustering on Incomplete and Noise Multi-View Data
von: He, Hongqing, et al.
Veröffentlicht: (2025)

Covariances for Free: Exploiting Mean Distributions for Training-free Federated Learning
von: Goswami, Dipam, et al.
Veröffentlicht: (2024)

An Aggregation-Free Federated Learning for Tackling Data Heterogeneity
von: Wang, Yuan, et al.
Veröffentlicht: (2024)

Forgettable Federated Linear Learning with Certified Data Unlearning
von: Jin, Ruinan, et al.
Veröffentlicht: (2023)

One-Shot Heterogeneous Federated Learning with Local Model-Guided Diffusion Models
von: Yang, Mingzhao, et al.
Veröffentlicht: (2023)

Inside-Out: Measuring Generalization in Vision Transformers Through Inner Workings
von: Peng, Yunxiang, et al.
Veröffentlicht: (2026)

FedDistill: Global Model Distillation for Local Model De-Biasing in Non-IID Federated Learning
von: Song, Changlin, et al.
Veröffentlicht: (2024)

WarmFed: Federated Learning with Warm-Start for Globalization and Personalization Via Personalized Diffusion Models
von: Feng, Tao, et al.
Veröffentlicht: (2025)

FedQuad: Federated Stochastic Quadruplet Learning to Mitigate Data Heterogeneity
von: Goksu, Ozgu, et al.
Veröffentlicht: (2025)

Class-wise Balancing Data Replay for Federated Class-Incremental Learning
von: Qi, Zhuang, et al.
Veröffentlicht: (2025)

Learning with Mixture of Prototypes for Out-of-Distribution Detection
von: Lu, Haodong, et al.
Veröffentlicht: (2024)

PoissonNet: A Local-Global Approach for Learning on Surfaces
von: Maesumi, Arman, et al.
Veröffentlicht: (2025)

Joint Out-of-Distribution Filtering and Data Discovery Active Learning
von: Schmidt, Sebastian, et al.
Veröffentlicht: (2025)

Hiding and Recovering Knowledge in Text-to-Image Diffusion Models via Learnable Prompts
von: Bui, Anh, et al.
Veröffentlicht: (2024)

Global Pre-fixing, Local Adjusting: A Simple yet Effective Contrastive Strategy for Continual Learning
von: Tang, Jia, et al.
Veröffentlicht: (2025)

From Local Geometry to Global Pseudo Labeling for Robust Positive Unlabeled Learning under Covariate Shift
von: Gabetni, Firas, et al.
Veröffentlicht: (2026)

Taming Cross-Domain Representation Variance in Federated Prototype Learning with Heterogeneous Data Domains
von: Wang, Lei, et al.
Veröffentlicht: (2024)

Sample Selection Using Multi-Task Autoencoders in Federated Learning with Non-IID Data
von: Ardıç, Emre, et al.
Veröffentlicht: (2026)

GFPL: Generative Federated Prototype Learning for Resource-Constrained and Data-Imbalanced Vision Task
von: Lu, Shiwei, et al.
Veröffentlicht: (2026)

Advancing Out-of-Distribution Detection through Data Purification and Dynamic Activation Function Design
von: Ji, Yingrui, et al.
Veröffentlicht: (2024)

Federated Balanced Learning
von: Li, Jiaze, et al.
Veröffentlicht: (2026)

Federated Impression for Learning with Distributed Heterogeneous Data
von: Arya, Atrin, et al.
Veröffentlicht: (2024)

SelfFed: Self-Supervised Federated Learning for Data Heterogeneity and Label Scarcity in Medical Images
von: Khowaja, Sunder Ali, et al.
Veröffentlicht: (2023)

Distributionally Robust Alignment for Medical Federated Vision-Language Pre-training Under Data Heterogeneity
von: Shuai, Zitao, et al.
Veröffentlicht: (2024)

Diffusion-Driven Data Replay: A Novel Approach to Combat Forgetting in Federated Class Continual Learning
von: Liang, Jinglin, et al.
Veröffentlicht: (2024)

Adaptive Dual-Mode Distillation with Incentive Schemes for Scalable, Heterogeneous Federated Learning on Non-IID Data
von: Iqbal, Zahid
Veröffentlicht: (2025)

FedAPA: Server-side Gradient-Based Adaptive Personalized Aggregation for Federated Learning on Heterogeneous Data
von: Sun, Yuxia, et al.
Veröffentlicht: (2025)

Benchmarking Federated Learning for Semantic Datasets: Federated Scene Graph Generation
von: Ha, SeungBum, et al.
Veröffentlicht: (2024)

On the Federated Learning Framework for Cooperative Perception
von: Zhang, Zhenrong, et al.
Veröffentlicht: (2024)

Text-Enhanced Data-free Approach for Federated Class-Incremental Learning
von: Tran, Minh-Tuan, et al.
Veröffentlicht: (2024)

One-Shot Sequential Federated Learning for Non-IID Data by Enhancing Local Model Diversity
von: Wang, Naibo, et al.
Veröffentlicht: (2024)

Deep Single Image Camera Calibration by Heatmap Regression to Recover Fisheye Images Under Manhattan World Assumption
von: Wakai, Nobuhiko, et al.
Veröffentlicht: (2023)

LoG-VMamba: Local-Global Vision Mamba for Medical Image Segmentation
von: Dang, Trung Dinh Quoc, et al.
Veröffentlicht: (2024)

Transformers with Joint Tokens and Local-Global Attention for Efficient Human Pose Estimation
von: Kinfu, Kaleab A., et al.
Veröffentlicht: (2025)

Sparse Uncertainty-Informed Sampling from Federated Streaming Data
von: Röder, Manuel, et al.
Veröffentlicht: (2024)

Injecting Distributional Awareness into MLLMs via Reinforcement Learning for Deep Imbalanced Regression
von: Du, Yao, et al.
Veröffentlicht: (2026)

DC4L: Distribution Shift Recovery via Data-Driven Control for Deep Learning Models
von: Lin, Vivian, et al.
Veröffentlicht: (2023)

Federated Learning with a Single Shared Image
von: Soni, Sunny, et al.
Veröffentlicht: (2024)