Buchumschlag

Provable Sparse Inversion and Token Relabel Enhanced One-shot Federated Learning with ViTs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shen, Li, Hao, Xiaolei, Li, Qinglun, Cao, Xiaochun, Hao, Zhifeng, Yang, Xun
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Purrturbed but Stable: Human-Cat Invariant Representations Across CNNs, ViTs and Self-Supervised ViTs
von: Shah, Arya, et al.
Veröffentlicht: (2025)

Fusing Pretrained ViTs with TCNet for Enhanced EEG Regression
von: Modesitt, Eric, et al.
Veröffentlicht: (2024)

CLAMP-ViT: Contrastive Data-Free Learning for Adaptive Post-Training Quantization of ViTs
von: Ramachandran, Akshat, et al.
Veröffentlicht: (2024)

VIVID-Med: LLM-Supervised Structured Pretraining for Deployable Medical ViTs
von: Wang, Xiyao, et al.
Veröffentlicht: (2026)

TAP-ViTs: Task-Adaptive Pruning for On-Device Deployment of Vision Transformers
von: Wang, Zhibo, et al.
Veröffentlicht: (2026)

Training-Free Acceleration of ViTs with Delayed Spatial Merging
von: Heo, Jung Hwan, et al.
Veröffentlicht: (2023)

Octic Vision Transformers: Quicker ViTs Through Equivariance
von: Nordström, David, et al.
Veröffentlicht: (2025)

Communication Efficient Split Learning of ViTs with Attention-based Double Compression
von: Alvetreti, Federico, et al.
Veröffentlicht: (2025)

ConcatPlexer: Additional Dim1 Batching for Faster ViTs
von: Han, Donghoon, et al.
Veröffentlicht: (2023)

ViTs are Everywhere: A Comprehensive Study Showcasing Vision Transformers in Different Domain
von: Mia, Md Sohag, et al.
Veröffentlicht: (2023)

Unveiling the Power of Multiple Gossip Steps: A Stability-Based Generalization Analysis in Decentralized Training
von: Li, Qinglun, et al.
Veröffentlicht: (2025)

OledFL: Unleashing the Potential of Decentralized Federated Learning via Opposite Lookahead Enhancement
von: Li, Qinglun, et al.
Veröffentlicht: (2024)

Concept-Guided Fine-Tuning: Steering ViTs away from Spurious Correlations to Improve Robustness
von: Elisha, Yehonatan, et al.
Veröffentlicht: (2026)

Does Few-shot Learning Suffer from Backdoor Attacks?
von: Liu, Xinwei, et al.
Veröffentlicht: (2023)

ODE-ViT: Plug & Play Attention Layer from the Generalization of the ViT as an Ordinary Differential Equation
von: Riera, Carlos Boned, et al.
Veröffentlicht: (2025)

FCL-ViT: Task-Aware Attention Tuning for Continual Learning
von: Kaimakamidis, Anestis, et al.
Veröffentlicht: (2024)

FedLPA: One-shot Federated Learning with Layer-Wise Posterior Aggregation
von: Liu, Xiang, et al.
Veröffentlicht: (2023)

STRAP-ViT: Segregated Tokens with Randomized -- Transformations for Defense against Adversarial Patches in ViTs
von: Chattopadhyay, Nandish, et al.
Veröffentlicht: (2026)

GTP-ViT: Efficient Vision Transformers via Graph-based Token Propagation
von: Xu, Xuwei, et al.
Veröffentlicht: (2023)

HyperspectralViTs: General Hyperspectral Models for On-board Remote Sensing
von: Růžička, Vít, et al.
Veröffentlicht: (2024)

TPC-ViT: Token Propagation Controller for Efficient Vision Transformer
von: Zhu, Wentao
Veröffentlicht: (2024)

Multi-task Adversarial Attacks against Black-box Model with Few-shot Queries
von: Wang, Wenqiang, et al.
Veröffentlicht: (2025)

Intriguing Frequency Interpretation of Adversarial Robustness for CNNs and ViTs
von: Chen, Lu, et al.
Veröffentlicht: (2025)

One-shot Federated Learning Methods: A Practical Guide
von: Liu, Xiang, et al.
Veröffentlicht: (2025)

SFMViT: SlowFast Meet ViT in Chaotic World
von: Lin, Jiaying, et al.
Veröffentlicht: (2024)

LF-ViT: Reducing Spatial Redundancy in Vision Transformer for Efficient Image Recognition
von: Hu, Youbing, et al.
Veröffentlicht: (2024)

HydraViT: Stacking Heads for a Scalable ViT
von: Haberer, Janek, et al.
Veröffentlicht: (2024)

Token Cropr: Faster ViTs for Quite a Few Tasks
von: Bergner, Benjamin, et al.
Veröffentlicht: (2024)

On Statistical Rates and Provably Efficient Criteria of Latent Diffusion Transformers (DiTs)
von: Hu, Jerry Yao-Chieh, et al.
Veröffentlicht: (2024)

Parametric Feature Transfer: One-shot Federated Learning with Foundation Models
von: Beitollahi, Mahdi, et al.
Veröffentlicht: (2024)

Refining Datapath for Microscaling ViTs
von: Xiao, Can, et al.
Veröffentlicht: (2025)

Quasar-ViT: Hardware-Oriented Quantization-Aware Architecture Search for Vision Transformers
von: Li, Zhengang, et al.
Veröffentlicht: (2024)

ViT-Lens: Towards Omni-modal Representations
von: Lei, Weixian, et al.
Veröffentlicht: (2023)

SAC-ViT: Semantic-Aware Clustering Vision Transformer with Early Exit
von: Hu, Youbing, et al.
Veröffentlicht: (2025)

One-Layer Transformer Provably Learns One-Nearest Neighbor In Context
von: Li, Zihao, et al.
Veröffentlicht: (2024)

Provable Long-Range Benefits of Next-Token Prediction
von: Cao, Xinyuan, et al.
Veröffentlicht: (2025)

Relabeling Minimal Training Subset to Flip a Prediction
von: Yang, Jinghan, et al.
Veröffentlicht: (2023)

MMeViT: Multi-Modal ensemble ViT for Post-Stroke Rehabilitation Action Recognition
von: Kim, Ye-eun, et al.
Veröffentlicht: (2025)

Characteristic Learning for Provable One Step Generation
von: Ding, Zhao, et al.
Veröffentlicht: (2024)

Privacy-Preserving Chest X-ray Report Generation via Multimodal Federated Learning with ViT and GPT-2
von: Hossain, Md. Zahid, et al.
Veröffentlicht: (2025)