第一部分：基本信息
- 论文标题：FedMVP: Federated Multimodal Visual Prompt Tuning for Vision-Language Models
- 作者目标函数：机构：Mainak Singha 等（来自意大利特伦托大学、贝加莫大学、印度孟买理工学院、澳大利亚昆士兰大学等）
- 发表会议：ICCV (International Conference on Computer Vision)2025
- 核心任务：联邦学习（Federated Learning, FL）下的视觉 – 语言模型（VLMs，如 CLIP）适配。
- 主要方法：提出了一种名为 FedMVP 的联邦多模态视觉提示微调框架。
第二部分：当前存在的问题
（1）联邦学习中的过拟合与泛化性差
①过拟合：在联邦学习设置中，现有的文本提示微调（Textual Prompt Tuning）方法容易过拟合到本地客户端的已知概念（seen classes）。<
