연구진은 연합 학습의 통신 병목 현상 해결을 위해 FedOPAL 프레임워크를 제안했어요. FedOPAL은 시각적 프롬프트를 활용해 이기종 데이터의 특징 분포를 보정하고, 분석적 연합 학습의 이론적 전제를 만족시켜요. 실험 결과, FedOPAL은 기존 방식보다 성능이 뛰어나고, 서버 측 훈련 비용 없이 최첨단 반복 방식과 유사한 정확도를 달성했어요.