基于联邦学习的AR场景动态深度学习模型训练与推理方法

本发明涉及联邦学习与增强现实技术领域，公开了基于联邦学习的AR场景动态深度学习模型训练与推理方法。该方法包括云端初始化全局模型并分发至终端设备；终端设备采集本地AR场景数据进行预处理后，进行模型前向计算与损失评估，生成本地梯度更新并分析其分布特征以识别偏差模式与设备特异性模式，经加密后上传；云端结合历史参数快照构建动态调整模块，评估更新一致性并确定优化方向，融合多源梯度更新全局模型，最后对模型进行参数剪枝与精度量化生成轻量化推理模型。本发明通过梯度分布特征分析与历史一致性评估，提升了模型在动态AR环境下的适应性、训练稳定性与通信安全性。