精选理由
这篇论文提出了FedLAB，用可追溯码本处理联邦多模态图学习的隐私问题，10个基准上最多提升了7.53%，很扎实的研究。
FedLAB提出了一种可追溯的语义码本框架，用于联邦多模态图基础学习。该框架将多模态图知识组织为类型化的分层码本，涵盖模态证据、节点语义和拓扑上下文。通过联邦语义质心预训练优化可追溯单元，同时保持原始多模态内容和图结构本地化。在10个基准和6个下游任务上，FedLAB相对现有方法提升最高7.53%。
AI 翻译 · 中文
FedLAB提出了一种可追溯的语义码本框架，用于联邦多模态图基础学习。该框架将多模态图知识组织为类型化的分层码本，涵盖模态证据、节点语义和拓扑上下文。通过联邦语义质心预训练优化可追溯单元，同时保持原始多模态内容和图结构本地化。在10个基准和6个下游任务上，FedLAB相对现有方法提升最高7.53%。
Multimodal graph foundation models aim to learn reusable knowledge from graphs enriched with text, images, attributes, and relational topology, thereby supporting diverse graph-centric and modality-centric tasks. In prac…