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:2507.17088v1

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2507.17088v1 (cs)
[提交于 2025年7月23日 ]

标题: FedVLM:通过联邦学习实现可扩展的个性化视觉-语言模型

标题: FedVLM: Scalable Personalized Vision-Language Models through Federated Learning

Authors:Arkajyoti Mitra (1), Afia Anjum (1), Paul Agbaje (1), Mert Pesé (2), Habeeb Olufowobi (1) ((1) University of Texas at Arlington, (2) Clemson University)
摘要: 视觉-语言模型(VLMs)表现出令人印象深刻的零样本和少量样本学习能力,使其成为多个下游任务的关键。 然而,在大规模环境下微调这些模型仍然具有挑战性,特别是在联邦环境中,数据是去中心化的且在客户端之间是非独立同分布的。 现有的参数高效微调方法如LoRA(低秩适应)减少了计算开销,但在处理异构客户端数据时表现不佳,导致泛化效果不理想。 为了解决这些问题,我们提出了FedVLM,这是一种联邦LoRA微调框架,能够在保护模型隐私的同时实现视觉-语言模型的去中心化适应,并减少对集中式训练的依赖。 为了进一步应对数据异质性问题,我们引入了个性化LoRA(pLoRA),它能够动态适应每个客户端的独特数据分布,显著提升本地适应效果,同时保持全局模型聚合。 在RLAIF-V数据集上的实验表明,pLoRA在标准LoRA的基础上提高了客户端特定性能24.5%,展示了在非独立同分布设置中的优越适应性。 FedVLM为在联邦设置中微调VLMs提供了一个可扩展且高效的解决方案,推动了分布式学习场景中的个性化适应。
摘要: Vision-language models (VLMs) demonstrate impressive zero-shot and few-shot learning capabilities, making them essential for several downstream tasks. However, fine-tuning these models at scale remains challenging, particularly in federated environments where data is decentralized and non-iid across clients. Existing parameter-efficient tuning methods like LoRA (Low-Rank Adaptation) reduce computational overhead but struggle with heterogeneous client data, leading to suboptimal generalization. To address these challenges, we propose FedVLM, a federated LoRA fine-tuning framework that enables decentralized adaptation of VLMs while preserving model privacy and reducing reliance on centralized training. To further tackle data heterogeneity, we introduce personalized LoRA (pLoRA), which dynamically adapts LoRA parameters to each client's unique data distribution, significantly improving local adaptation while maintaining global model aggregation. Experiments on the RLAIF-V dataset show that pLoRA improves client-specific performance by 24.5% over standard LoRA, demonstrating superior adaptation in non-iid settings. FedVLM provides a scalable and efficient solution for fine-tuning VLMs in federated settings, advancing personalized adaptation in distributed learning scenarios.
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2507.17088 [cs.CV]
  (或者 arXiv:2507.17088v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.17088
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Arkajyoti Mitra [查看电子邮件]
[v1] 星期三, 2025 年 7 月 23 日 00:05:02 UTC (2,660 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
许可图标 查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs

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