data heterogeneity

Towards Robust Federated Multimodal Graph Learning under Modality Heterogeneity

Cette recherche s'attaque aux défis de l'apprentissage de graphes multimodaux (MGL) dans des environnements fédérés, notamment lorsque les graphes du monde réel sont isolés et ont des modalités incomplètes. Elle présente un pipeline fédéré robuste en deux étapes pour remédier aux limites des méthodes existantes en reconstruisant les modalités manquantes et en agrégeant les paramètres mis à jour par les clients.