본 논문은 연합 추천 시스템(FedRec)에서의 개인 맞춤형 멀티미디어 추천을 위한 새로운 프레임워크인 FedMR을 제안합니다. FedMR은 통신 병목 현상, 사용자 이질성, 그리고 프라이버시를 보호하는 멀티모달 융합의 복잡성과 같은 FedRec의 한계를 해결하기 위해 두 단계 과정을 사용합니다. 첫 번째 단계는 서버 측에서 미리 훈련된 모델을 사용하여 풍부한 공유 항목 컨텍스트를 제공하고, 두 번째 단계는 MFFM(Mixing Feature Fusion Module)을 사용하여 클라이언트별 상호 작용 패턴에 따라 서버에서 제공된 멀티모달 표현을 동적으로 조정하여 추천을 개인화합니다. 실험 결과, FedMR이 기존 ID 기반 FedRec을 효과적으로 향상시켜 고성능 연합 멀티모달 시스템으로 변환함을 보여줍니다.
