저품질 데이터 멀티모달 융합 연구
멀티모달 융합은 여러 양식의 정보를 통합하여 예측 정확도를 높이는 기술로, 자율주행 및 의료 진단 등 다양한 분야에서 상당한 발전을 이루었습니다. 그러나 저품질 데이터 환경에서 멀티모달 융합의 신뢰성은 아직 충분히 탐구되지 않은 상태입니다. 본 연구는 실제 환경에서 저품질 데이터가 멀티모달 융합에 미치는 영향을 종합적으로 분석하고, 관련 도전 과제와 최신 연구 동향을 포괄적인 분류 체계로 제시합니다. 데이터 중심 관점에서 저품질 데이터가 멀티모달 융합에 제기하는 네 가지 주요 도전 과제를 식별했습니다. 이는 이질적인 노이즈로 오염된 '노이즈 멀티모달 데이터', 일부 양식이 누락된 '불완전 멀티모달 데이터', 양식 간 품질이나 속성 차이가 큰 '불균형 멀티모달 데이터', 그리고 샘플에 따라 각 양식의 품질이 동적으로 변하는 '품질 가변 멀티모달 데이터'입니다. 이러한 새로운 분류 체계는 연구자들이 해당 분야의 현황을 이해하고 잠재적인 연구 방향을 모색하는 데 기여할 것입니다. 또한, 본 연구는 이 분야의 미해결 문제와 흥미로운 미래 연구 방향에 대한 논의를 제공합니다.