인공지능은 디지털 컬렉션의 대규모 검색 및 분석을 통해 문화유산과 디지털 인문학을 지원할 수 있습니다. 하지만 문화유산 데이터는 종종 기관에 분산되어 있으며, 소유권 및 접근 제한을 받으며, 시간이 지남에 따라 지속적으로 진화합니다. 본 논문에서는 연합 지속적 학습(FCL) 전략인 FedCurv-DR을 제안합니다.
FedCurv-DR은 클라이언트와 경험에 걸쳐 파라미터 중요도 추정치를 축적하여 학습된 지식을 보호하면서 통신 및 계산 오버헤드를 최소화하기 위해 고정 간격으로 업데이트합니다. WikiArt 이미지 데이터셋을 사용하여 장르 분류에서 진화하는 스타일을 평가했습니다.
결과는 FedCurv-DR이 망각을 줄이고 성능, 공정성 및 에너지 효율의 균형을 맞추어 문화유산 분야의 지속 가능한 AI를 가능하게 한다고 보고합니다.