본 논문은 다중 모달리티 융합 모델에서 관찰되는 모달리티 붕괴 현상에 대한 근본적인 이해를 목표로 한다. 모달리티 붕괴는 모델이 일부 모달리티에만 의존하고 나머지는 무시하는 현상으로, 한 모달리티의 잡음 특징이 융합 헤드의 공유 뉴런을 통해 다른 모달리티의 예측 특징과 얽히면서 발생한다는 것을 보였다. 이는 첫 번째 모달리티의 예측 특징에 대한 긍정적 기여를 가리고 모달리티 붕괴로 이어진다. 교차 모달 지식 증류가 학생 인코더의 랭크 병목 현상을 해소함으로써 이러한 표현을 분리하고, 어떤 모달리티의 예측 특징에도 부정적인 영향을 미치지 않고 융합 헤드 출력의 잡음을 제거한다는 것을 증명했다. 이러한 결과를 바탕으로 명시적인 기저 재할당을 통해 모달리티 붕괴를 방지하는 알고리즘을 제안하며, 결측 모달리티 처리에도 적용 가능성을 보였다. 다양한 다중 모달리티 벤치마크에 대한 광범위한 실험을 통해 이론적 주장을 검증했다.
