Buchumschlag

Skewness-Guided Pruning of Multimodal Swin Transformers for Federated Skin Lesion Classification on Edge Devices

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Paxton, Kuniko, Aslansefat, Koorosh, Thakker, Dhavalkumar, Papadopoulos, Yiannis
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Enhancing Fairness in Skin Lesion Classification for Medical Diagnosis Using Prune Learning
von: Paxton, Kuniko, et al.
Veröffentlicht: (2025)

Mitigating Individual Skin Tone Bias in Skin Lesion Classification through Distribution-Aware Reweighting
von: Paxton, Kuniko, et al.
Veröffentlicht: (2025)

Safer Skin Lesion Classification with Global Class Activation Probability Map Evaluation and SafeML
von: Paxton, Kuniko, et al.
Veröffentlicht: (2025)

Exploring the Impact of Skin Color on Skin Lesion Segmentation
von: Paxton, Kuniko, et al.
Veröffentlicht: (2026)

Evaluating Fairness and Mitigating Bias in Machine Learning: A Novel Technique using Tensor Data and Bayesian Regression
von: Paxton, Kuniko, et al.
Veröffentlicht: (2025)

FedAPTA: Federated Multi-task Learning for Heterogeneous Devices with Adaptive Layer-wise Pruning and Task-aware Aggregation
von: Yu, Zhen, et al.
Veröffentlicht: (2025)

Environment-Aware Dynamic Pruning for Pipelined Edge Inference
von: O'Quinn, Austin, et al.
Veröffentlicht: (2025)

FlexFL: Heterogeneous Federated Learning via APoZ-Guided Flexible Pruning in Uncertain Scenarios
von: Chen, Zekai, et al.
Veröffentlicht: (2024)

GenAI at the Edge: Comprehensive Survey on Empowering Edge Devices
von: Navardi, Mozhgan, et al.
Veröffentlicht: (2025)

SlimEdge: Performance and Device Aware Distributed DNN Deployment on Resource-Constrained Edge Hardware
von: Kumar, Mahadev Sunil, et al.
Veröffentlicht: (2025)

A New One-Shot Federated Learning Framework for Medical Imaging Classification with Feature-Guided Rectified Flow and Knowledge Distillation
von: Ma, Yufei, et al.
Veröffentlicht: (2025)

ADApt: Edge Device Anomaly Detection and Microservice Replica Prediction
von: Mehran, Narges, et al.
Veröffentlicht: (2025)

Covariance-Guided Resource Adaptive Learning for Efficient Edge Inference
von: Nabhaan, Ahmad N. L., et al.
Veröffentlicht: (2026)

Evaluating Multi-Instance DNN Inferencing on Multiple Accelerators of an Edge Device
von: Tayal, Mumuksh, et al.
Veröffentlicht: (2025)

SLICE: SLO-Driven Scheduling for LLM Inference on Edge Computing Devices
von: Chow, Will
Veröffentlicht: (2025)

Memory-Efficient Federated Fine-Tuning of Large Language Models via Layer Pruning
von: Wu, Yebo, et al.
Veröffentlicht: (2025)

HybridVFL: Disentangled Feature Learning for Edge-Enabled Vertical Federated Multimodal Classification
von: Anoosha, Mostafa, et al.
Veröffentlicht: (2025)

Totoro$^+$: An Adaptive and Scalable Edge Federated Learning System
von: Ching, Cheng-Wei, et al.
Veröffentlicht: (2026)

Gradient Clock Synchronization with Practically Constant Local Skew
von: Lenzen, Christoph
Veröffentlicht: (2025)

Characterizing the Performance of Accelerated Jetson Edge Devices for Training Deep Learning Models
von: K., Prashanthi S., et al.
Veröffentlicht: (2025)

LIME:Accelerating Collaborative Lossless LLM Inference on Memory-Constrained Edge Devices
von: Sun, Mingyu, et al.
Veröffentlicht: (2025)

Improved Decision Module Selection for Hierarchical Inference in Resource-Constrained Edge Devices
von: Behera, Adarsh Prasad, et al.
Veröffentlicht: (2024)

Federated Learning for Medical Image Classification: A Comprehensive Benchmark
von: Zhou, Zhekai, et al.
Veröffentlicht: (2025)

GMB-ECC: Guided Measuring and Benchmarking of the Edge Cloud Continuum
von: Jahnke, Brian-Frederik, et al.
Veröffentlicht: (2025)

DySkew: Dynamic Data Redistribution for Skew-Resilient Snowpark UDF Execution
von: Xie, Chenwei, et al.
Veröffentlicht: (2026)

FedFog: Resource-Aware Federated Learning in Edge and Fog Networks
von: Sobati-M, Somayeh
Veröffentlicht: (2025)

Federated Learning as a Service for Hierarchical Edge Networks with Heterogeneous Models
von: Gao, Wentao, et al.
Veröffentlicht: (2024)

EdgeOL: Efficient in-situ Online Learning on Edge Devices
von: Li, Sheng, et al.
Veröffentlicht: (2024)

Will LLMs Scaling Hit the Wall? Breaking Barriers via Distributed Resources on Massive Edge Devices
von: Shen, Tao, et al.
Veröffentlicht: (2025)

RingAda: Pipelining Large Model Fine-Tuning on Edge Devices with Scheduled Layer Unfreezing
von: Li, Liang, et al.
Veröffentlicht: (2025)

Adaptive Device-Edge Collaboration on DNN Inference in AIoT: A Digital Twin-Assisted Approach
von: Hu, Shisheng, et al.
Veröffentlicht: (2024)

FlexPie: Accelerate Distributed Inference on Edge Devices with Flexible Combinatorial Optimization[Technical Report]
von: Zhang, Runhua, et al.
Veröffentlicht: (2025)

Addressing Skewed Heterogeneity via Federated Prototype Rectification with Personalization
von: Guo, Shunxin, et al.
Veröffentlicht: (2024)

ClusterLess: Deadline-Aware Serverless Workflow Orchestration on Federated Edge Clusters
von: Farahani, Reza, et al.
Veröffentlicht: (2026)

Federated Learning within Global Energy Budget over Heterogeneous Edge Accelerators
von: Banerjee, Roopkatha, et al.
Veröffentlicht: (2025)

Demo: A Practical Testbed for Decentralized Federated Learning on Physical Edge Devices
von: Feng, Chao, et al.
Veröffentlicht: (2025)

ML-ECS: A Collaborative Multimodal Learning Framework for Edge-Cloud Synergies
von: Liu, Yuze, et al.
Veröffentlicht: (2026)

A DataOps Toolbox Enabling Continuous Semantic Integration of Devices for Edge-Cloud AI Applications
von: Scrocca, Mario, et al.
Veröffentlicht: (2025)

SC-MII: Infrastructure LiDAR-based 3D Object Detection on Edge Devices for Split Computing with Multiple Intermediate Outputs Integration
von: Noguchi, Taisuke, et al.
Veröffentlicht: (2026)

EchoPFL: Asynchronous Personalized Federated Learning on Mobile Devices with On-Demand Staleness Control
von: Li, Xiaochen, et al.
Veröffentlicht: (2024)