본 논문은 실세계 시나리오에서 불완전하고 Non-Independent and Identically Distributed (Non-IID) 특성을 보이는 다중 모달 데이터의 문제점을 해결하기 위해, 누락된 모달 재구성과 Non-IID 적응을 동시에 수행하는 FedRecon이라는 새로운 연합 학습(FL) 방법을 제안합니다. FedRecon은 경량의 다중 모달 변이 자동 인코더(MVAE)를 사용하여 누락된 모달을 재구성하고, 새로운 분포 매핑 메커니즘을 통해 샘플 수준의 정렬을 달성하여 데이터의 일관성과 완전성을 보장합니다. 또한, 전역 생성기 동결 전략을 도입하여 파국적 망각을 방지하고 Non-IID 변동을 완화합니다. 다양한 다중 모달 데이터셋에 대한 실험 결과, FedRecon은 Non-IID 조건 하에서 최첨단 방법들을 능가하는 모달 재구성 성능을 보여줍니다.
