यह शोधपत्र मल्टीमॉडल फ़ेडरेटेड लर्निंग (MFL) में मिसिंग मोडैलिटी की समस्या के समाधान के लिए एक नवीन ढाँचे, MMiC, का प्रस्ताव करता है। MMiC एक वितरित शिक्षण पद्धति है जो विविध मोडैलिटी वाले डेटा का उपयोग करती है। MMiC एक क्लस्टर के भीतर क्लाइंट मॉडल के आंशिक मापदंडों को प्रतिस्थापित करके मिसिंग मोडैलिटी के प्रभाव को कम करता है, बैंजहाफ़ पावर इंडेक्स का उपयोग करके क्लाइंट चयन को अनुकूलित करता है, और मार्कोविट्ज़ पोर्टफोलियो ऑप्टिमाइज़ेशन का उपयोग करके वैश्विक एकत्रीकरण को गतिशील रूप से नियंत्रित करता है। प्रायोगिक परिणाम दर्शाते हैं कि MMiC मिसिंग मोडैलिटी वाले मल्टीमॉडल डेटासेट पर वैश्विक और वैयक्तिकृत प्रदर्शन, दोनों में मौजूदा फ़ेडरेटेड लर्निंग आर्किटेक्चर से बेहतर प्रदर्शन करता है।