본 논문은 잡음 데이터, 낮은 품질의 라벨, 그리고 이질적인 모달리티 특성으로 인해 발생하는 불확실성에 대응하기 위해, 일관성 기반 교차 모달 전송을 통한 불확실성-탄력적 멀티모달 학습을 탐구합니다. 핵심 아이디어는 교차 모달 의미론적 일관성을 견고한 표현 학습의 기반으로 사용하는 것입니다. 이질적인 모달리티를 공유 잠재 공간에 투영함으로써, 제안된 프레임워크는 모달리티 격차를 완화하고 불확실성 추정과 안정적인 특징 학습을 지원하는 구조적 관계를 파악합니다. 멀티모달 감정 인식 벤치마크에 대한 실험을 통해, 일관성 기반 교차 모달 전송이 모델 안정성, 차별 능력, 그리고 잡음 또는 불완전한 감독에 대한 강건성을 크게 향상시키는 것을 보여줍니다.
