University of Toronto（多伦多大学）

VQ-Transplant: Efficient VQ-Module Integration for Pre-trained Visual Tokenizers

VQ-Transplant：用于预训练视觉分词器的高效VQ模块集成

Xianghong Fang, Yuan Yuan, Dehan Kong, Tim G. J. Rudner

机构 * University of Toronto（多伦多大学） ； Boston College（波士顿学院） 纠错

AI总结 研究针对训练VQ模块资源需求大的问题，提出VQ-Transplant框架，可将新VQ模块集成到预训练分词器，保留编码器-解码器参数，引入轻量级解码器适应策略，降低训练成本95%，在工业级模型上获高重建保真度，推动量化研究发展。

Comments 20 pages, 9 figures and 16 tables

One-shot Robust Federated Learning of Independent Component Analysis

独立成分分析的单轮鲁棒联邦学习

Dian Jin, Xin Bing, Yuqian Zhang

机构 * Department of Electrical and Computer Engineering, Rutgers University, New Brunswick（罗格斯大学电气与计算机工程系） ； Department of Statistical Sciences, University of Toronto（多伦多大学统计学系） 纠错

AI总结 针对联邦独立成分分析问题，提出基于k-means聚类与几何中位数的单轮鲁棒聚合算法，在异构场景下通过仿真验证了其有效性。