Buchumschlag

FedPOD: the deployable units of training for federated learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Daewoon, Yie, Si Young, Lee, Jae Sung
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

STELLA: Continual Audio-Video Pre-training with Spatio-Temporal Localized Alignment
von: Lee, Jaewoo, et al.
Veröffentlicht: (2023)

Personalized federated learning based on feature fusion
von: Xing, Wolong, et al.
Veröffentlicht: (2024)

FedSOL: Stabilized Orthogonal Learning with Proximal Restrictions in Federated Learning
von: Lee, Gihun, et al.
Veröffentlicht: (2023)

DMQ: Dissecting Outliers of Diffusion Models for Post-Training Quantization
von: Lee, Dongyeun, et al.
Veröffentlicht: (2025)

Active Learning for Finely-Categorized Image-Text Retrieval by Selecting Hard Negative Unpaired Samples
von: Jo, Dae Ung, et al.
Veröffentlicht: (2024)

HFI: A unified framework for training-free detection and implicit watermarking of latent diffusion model generated images
von: Choi, Sungik, et al.
Veröffentlicht: (2024)

Spectral Gradient Surgery for Domain-Generalizable Dataset Distillation
von: Oh, Minyoung, et al.
Veröffentlicht: (2026)

FedWSQ: Efficient Federated Learning with Weight Standardization and Distribution-Aware Non-Uniform Quantization
von: Kim, Seung-Wook, et al.
Veröffentlicht: (2025)

IPFed: Identity protected federated learning for user authentication
von: Kaga, Yosuke, et al.
Veröffentlicht: (2024)

Learning 3D Scene Analogies with Neural Contextual Scene Maps
von: Kim, Junho, et al.
Veröffentlicht: (2025)

DBN-Mix: Training Dual Branch Network Using Bilateral Mixup Augmentation for Long-Tailed Visual Recognition
von: Baik, Jae Soon, et al.
Veröffentlicht: (2022)

Diversify and Conquer: Open-set Disagreement for Robust Semi-supervised Learning with Outliers
von: Kong, Heejo, et al.
Veröffentlicht: (2025)

Visualizing the loss landscape of Self-supervised Vision Transformer
von: Lee, Youngwan, et al.
Veröffentlicht: (2024)

Easy to Learn, Yet Hard to Forget: Towards Robust Unlearning Under Bias
von: Kwon, JuneHyoung, et al.
Veröffentlicht: (2026)

ISQuant: apply squant to the real deployment
von: Zhao, Dezan
Veröffentlicht: (2024)

Feature Unlearning for Pre-trained GANs and VAEs
von: Moon, Saemi, et al.
Veröffentlicht: (2023)

The effect of variable labels on deep learning models trained to predict breast density
von: Squires, Steven, et al.
Veröffentlicht: (2022)

Adaptive Teaching with Shared Classifier for Knowledge Distillation
von: Jang, Jaeyeon, et al.
Veröffentlicht: (2024)

Hybrid quantum image classification and federated learning for hepatic steatosis diagnosis
von: Lusnig, Luca, et al.
Veröffentlicht: (2023)

A training regime to learn unified representations from complementary breast imaging modalities
von: Sharma, Umang, et al.
Veröffentlicht: (2024)

Decoding Federated Learning: The FedNAM+ Conformal Revolution
von: Balija, Sree Bhargavi, et al.
Veröffentlicht: (2025)

Efficient LLaMA-3.2-Vision by Trimming Cross-attended Visual Features
von: Lee, Jewon, et al.
Veröffentlicht: (2025)

Towards Universal Fake Image Detectors that Generalize Across Generative Models
von: Ojha, Utkarsh, et al.
Veröffentlicht: (2023)

FedCAR: Cross-client Adaptive Re-weighting for Generative Models in Federated Learning
von: Kim, Minjun, et al.
Veröffentlicht: (2024)

Do Pre-trained Models Benefit Equally in Continual Learning?
von: Lee, Kuan-Ying, et al.
Veröffentlicht: (2022)

BECoTTA: Input-dependent Online Blending of Experts for Continual Test-time Adaptation
von: Lee, Daeun, et al.
Veröffentlicht: (2024)

Concept-skill Transferability-based Data Selection for Large Vision-Language Models
von: Lee, Jaewoo, et al.
Veröffentlicht: (2024)

FedCVU: Federated Learning for Cross-View Video Understanding
von: Zhang, Shenghan, et al.
Veröffentlicht: (2026)

SingularTrajectory: Universal Trajectory Predictor Using Diffusion Model
von: Bae, Inhwan, et al.
Veröffentlicht: (2024)

Machine learning approach to brain tumor detection and classification
von: Oh, Alice, et al.
Veröffentlicht: (2024)

FedVLMBench: Benchmarking Federated Fine-Tuning of Vision-Language Models
von: Zheng, Weiying, et al.
Veröffentlicht: (2025)

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

FedHENet: A Frugal Federated Learning Framework for Heterogeneous Environments
von: Dopico-Castro, Alejandro, et al.
Veröffentlicht: (2026)

Inference-Time Scaling for Flow Models via Stochastic Generation and Rollover Budget Forcing
von: Kim, Jaihoon, et al.
Veröffentlicht: (2025)

Analyzing Effects of Mixed Sample Data Augmentation on Model Interpretability
von: Won, Soyoun, et al.
Veröffentlicht: (2023)

Infusing Environmental Captions for Long-Form Video Language Grounding
von: Lee, Hyogun, et al.
Veröffentlicht: (2024)

Reducing catastrophic forgetting of incremental learning in the absence of rehearsal memory with task-specific token
von: Choi, Young Jo, et al.
Veröffentlicht: (2024)

AI-KD: Adversarial learning and Implicit regularization for self-Knowledge Distillation
von: Kim, Hyungmin, et al.
Veröffentlicht: (2022)

FedMGP: Personalized Federated Learning with Multi-Group Text-Visual Prompts
von: Bo, Weihao, et al.
Veröffentlicht: (2025)

FedHCA$^2$: Towards Hetero-Client Federated Multi-Task Learning
von: Lu, Yuxiang, et al.
Veröffentlicht: (2023)