यह शोधपत्र बहुविधीय जानकारी का उपयोग करके दृश्य निरूपण सीखने पर केंद्रित है। विभिन्न विधाओं के बीच अंतर्निहित अंतरों के कारण उत्पन्न होने वाली विधाओं के टकराव की समस्या, विशेष रूप से गुण असमानता और ग्रैन्युलैरिटी असमानता की समस्याओं के समाधान के लिए, हम MMOne नामक एक सामान्य ढाँचा प्रस्तावित करते हैं। MMOne एक नवीन विधा सूचक और एक बहुविधीय अपघटन तंत्र का उपयोग करके एक विधा मॉडलिंग मॉड्यूल के माध्यम से प्रत्येक विधा की अनूठी विशेषताओं को ग्रहण करता है जो बहुविधीय गॉसियन को एकल-विधायी गॉसियन में विभक्त करता है, और बहुविधीय जानकारी को साझा और विधा-विशिष्ट घटकों में विभक्त करके अधिक कुशल बहुविधीय दृश्य निरूपण उत्पन्न करता है। प्रायोगिक परिणाम दर्शाते हैं कि प्रस्तावित विधि प्रत्येक विधा की निरूपण क्षमता में सुधार करती है और अतिरिक्त विधाओं के लिए विस्तार योग्य है। स्रोत कोड GitHub पर उपलब्ध है।
