Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

OvA-LP: A Simple and Efficient Framework for Federated Learning on Non-IID Data

Created by
  • Haebom
Category
Empty

저자

Dongjin Park, Hasung Yeo, Joon-Woo Lee

개요

Federated fine-tuning (FFT) 환경에서 발생하는 local drift 문제를 해결하기 위해, OvA-LP라는 새로운 프레임워크를 제시한다. OvA-LP는 PEFT 기반 FFT에서 drift를 억제하도록 설계되었으며, frozen encoder, one-vs-all head, 두 단계 절차를 결합하여 pretrained feature geometry를 보존하고 logits를 분리하여 drift 증폭 메커니즘을 방지한다. CIFAR-100 데이터셋에 대한 실험에서, OvA-LP는 기존 SOTA 방식들보다 훨씬 높은 성능 유지력을 보였으며, label noise에도 강건한 성능을 보였다. 또한, encoder feature를 미리 계산하여 라운드당 비용을 줄였다.

시사점, 한계점

•
시사점:
◦
Federated fine-tuning 환경에서 client 간 데이터 분포의 이질성으로 인한 local drift 문제를 해결하는 새로운 프레임워크 제시.
◦
기존 방법론과 달리 drift를 사전적으로 억제하는 방식을 채택하여 성능 향상.
◦
CIFAR-100 데이터셋 실험에서 SOTA 방식 대비 월등한 성능.
◦
Label noise 환경에서도 강건한 성능.
◦
Encoder feature precomputation을 통한 효율성 증대.
•
한계점:
◦
본 논문에서 제시된 한계점은 명시적으로 언급되지 않음.
👍
Made with Slashpage