面向模态缺失的多模态联邦学习角色感知服务器优化方法 RASO

RASO（Role-Aware Server Optimization）提出一种面向模态缺失的多模态联邦学习服务器优化方法，协同调整客户端贡献者选择与不同组件的服务器更新策略。该方法依据预测依赖关系和本地优化参与情况筛选贡献者，保留编码器动量，并将共享预测模块同步至当前聚合结果。实验验证了其在不同数据集和融合架构下的有效性。