随着大众对保护数据隐私的意识加强，作为训练模型主要范式之一的联邦学习(FL)因具有数据隐私保护功能而在近年来受到研究者们的越发关注。但是，大多数FL客户端当前还是单模态。随着边缘计算的崛起，多种多样的传感器和可穿戴设备产生了大量不同模态的数据，从而推动了对多模态联邦学习(MMFL)的研究。西安电子科技大学公茂果教授团队对多模态联邦学习(MMFL)领域的研究进行了深入剖析。文章首先分析了MMFL的主要动力。然后将当前已提出的MMFL方法根据MMFL的模态分布和模态注释进行了归类。接着讨论了MMFL的数据集和应用场景。最后列出了MMFL的局限与挑战，并为未来的研究进行了展望并提出了方法。欢迎阅读90s解读AI | 西电公茂果团队: 综述-多模态数据的联邦学习http://t.cn/A6n9GL3C #机器学习[超话]##人工智能[超话]#