data heterogeneity

Towards Robust Federated Multimodal Graph Learning under Modality Heterogeneity

Diese Forschung befasst sich mit den Herausforderungen des multimodalen Graphenlernens (MGL) in föderierten Umgebungen, insbesondere wenn reale Graphen isoliert sind und unvollständige Modalitäten aufweisen. Sie stellt eine robuste zweistufige föderierte Pipeline vor, um die Einschränkungen bestehender Methoden zu überwinden, indem fehlende Modalitäten rekonstruiert und clientseitig aktualisierte Parameter aggregiert werden.