作者提出联邦少样本分类框架FedSSMCoOp
热点事件持续更新
作者提出联邦少样本分类框架FedSSMCoOp
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Ankita Das等作者提出联邦少样本图像分类框架FedSSMCoOp，用SSM的Vision Mamba与Cross Mamba模块，只优化soft-prompt和communication-prompt更新，无需外部LLM做特征对齐，以在保护数据隐私的前提下实现多模态学习。 该框架在多个生物医学图像数据集上训练评估，作者称性能相对基线稳定，平均轻量1.96倍。对应脚本即将公开。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
FedSSMCoOp：面向少样本分类的轻量级联邦提示学习 SSM 编码器报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.CVFedSSMCoOp：面向少样本分类的轻量级联邦提示学习 SSM 编码器
FedSSMCoOp 是一个联邦少样本图像分类框架，通过 SSM 的 Vision Mamba 与 Cross Mamba 模块，仅优化 soft-prompt 和 communication-prompt 更新，无需外部 LLM 做特征对齐。该框架在多个生物医学图像数据集上训练评估，性能相对基线稳定，平均轻量 1.96 倍，对应脚本即将公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。