拓扑异质性

FedSST：重新审视结构偏移下的公平联邦图学习

FedSST: Rethinking Fair Federated Graph Learning under Structural Shift

对做视觉图结构数据（如场景图、点云关系图、多相机拓扑）的联邦训练，提供了一种用结构信号量化客户端贡献、抑制聚合偏置的思路，可迁移到跨域视觉客户端的公平聚合与自适应本地训练。