본 논문은 다중 모달 학습에서 모달 간 최적화 경로의 차이로 인해 발생하는 모달 무시 및 충돌 문제를 해결하기 위해 다중 모달 데이터 리믹싱(Multimodal Data Remixing) 기법을 제안합니다. 기존 방법들이 단일 모달 학습 강화나 모달 간 최적화 속도 조절에 초점을 맞춘 것과 달리, 본 논문은 다중 모달 데이터 분리 및 어려운 샘플 필터링을 통해 모달 불균형을 완화하고, 배치 단위 재조합을 통해 기울기 방향을 정렬하고 모달 간 간섭을 피함으로써 단일 모달 학습의 충분성과 다중 모달 균형을 동시에 달성합니다. CREMAD와 Kinetic-Sounds 데이터셋에서 기존 방법 대비 약 6.50% 및 3.41%의 정확도 향상을 보였으며, 추가적인 계산 비용 없이 적용 가능함을 실험적으로 입증했습니다.
