Fed-IGTD：联邦学习表格转图像编码框架

2026年10月30日，arXiv Computer Vision 刊出 David Chushig-Muzo 等作者的论文，提出 Fed-IGTD 这一基于横向联邦学习的表格到图像编码方法。据该报道，Fed-IGTD 面向各客户端共享同一特征空间的横向联邦学习场景：客户端只上传本地统计量，服务器据此重建全局相关矩阵，并得到特征到像素的映射，再通过 FedAvg 训练卷积神经网络。报道称，这一设计使表格数据在不上传原始数据的情况下完成图像化编码与模型训练。截至当前，该事件仅有这一篇主报道，尚无跟进报道披露实验结果、数据集、参与客户端数量或与其他方法的对比数据，也没有关于该框架开源、部署或实际应用的后续信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。