Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.02964v1

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2506.02964v1 (cs)
[提交于 2025年6月3日 ]

标题: FORLA:基于槽注意力的面向对象联邦表示学习

标题: FORLA:Federated Object-centric Representation Learning with Slot Attention

Authors:Guiqiu Liao, Matjaz Jogan, Eric Eaton, Daniel A. Hashimoto
摘要: 在跨异构无标注数据集的高效视觉表征学习仍然是联邦学习中的一个核心挑战。 有效的联邦表征需要特征在客户端之间具有联合信息性,同时在没有监督的情况下解耦领域特定因素。 我们引入了 FORLA,这是一种新颖的框架,用于使用无监督槽注意力在客户端之间进行联邦面向对象的表征学习和特征适应。 我们的方法的核心是一个共享的特征适配器,它通过客户端之间的协作训练来适应基础模型的特征,并且是一个共享的槽注意力模块,用于学习重建被适配的特征。 为了优化这个适配器,我们设计了一个两分支的学生-教师架构。 在每个客户端中,一个学生解码器学习从基础模型重建完整的特征,而一个教师解码器则重建它们的低维适配对应物。 共享的槽注意力模块通过对齐客户端的对象级表示来实现跨域学习。 在多个真实世界的数据集上的实验表明,我们的框架不仅在对象发现方面优于集中式基线,而且学习了一个紧凑且通用的表示,可以在领域间良好泛化。 这项工作强调了联邦槽注意力作为一种有效工具,用于从具有分布式概念的跨域数据中进行可扩展的无监督视觉表征学习。
摘要: Learning efficient visual representations across heterogeneous unlabeled datasets remains a central challenge in federated learning. Effective federated representations require features that are jointly informative across clients while disentangling domain-specific factors without supervision. We introduce FORLA, a novel framework for federated object-centric representation learning and feature adaptation across clients using unsupervised slot attention. At the core of our method is a shared feature adapter, trained collaboratively across clients to adapt features from foundation models, and a shared slot attention module that learns to reconstruct the adapted features. To optimize this adapter, we design a two-branch student-teacher architecture. In each client, a student decoder learns to reconstruct full features from foundation models, while a teacher decoder reconstructs their adapted, low-dimensional counterpart. The shared slot attention module bridges cross-domain learning by aligning object-level representations across clients. Experiments in multiple real-world datasets show that our framework not only outperforms centralized baselines on object discovery but also learns a compact, universal representation that generalizes well across domains. This work highlights federated slot attention as an effective tool for scalable, unsupervised visual representation learning from cross-domain data with distributed concepts.
评论: 24页,6个图
主题: 计算机视觉与模式识别 (cs.CV) ; 机器学习 (cs.LG)
引用方式: arXiv:2506.02964 [cs.CV]
  (或者 arXiv:2506.02964v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.02964
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Guiqiu Liao [查看电子邮件]
[v1] 星期二, 2025 年 6 月 3 日 14:59:22 UTC (34,315 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号