类不平衡学习

从选择到调度：联邦几何感知校正让样本回放在持续动态异构下更有效

From Selection to Scheduling: Federated Geometry-Aware Correction Makes Exemplar Replay Work Better under Continual Dynamic Heterogeneity

用固定的等角紧框架原型作为跨客户端共享的类判别参考结构，并通过成对角度相似性对齐做结构知识蒸馏，这一思路可直接迁移到视觉模型在类不平衡或非独立同分布数据下的表征漂移抑制与少样本类特征保护。