潜变量分布建模

以细粒度条件与语义保持采样引导扩散模型用于单样本联邦学习

Guiding Diffusion Models with Fine-Grained Conditions and Semantics-Preserving Sampling for One-Shot Federated Learning

把扩散模型当作客户端本地的数据生成器：用细粒度条件嵌入刻画类内模式、再对潜噪声分布建模并做自反思采样来提升合成数据的保真度与多样性，这套「条件嵌入+潜噪声分布采样」的组合可直接迁移到任何需要少量样本生成多样化训练数据的视觉场景（如小样本分类、长尾数据增广）。