Apprentissage multimodal

1. Quelle unité faut-il garder entière lors du split de données multimodales ?
2. Que vérifie le contrôle où les paires image–texte sont mélangées aléatoirement ?
3. Pourquoi retirer une modalité pendant l'évaluation ?
4. Quel comportement faut-il définir lorsqu'un capteur manque en production ?
5. Une performance globale supérieure prouve-t-elle que toutes les modalités sont utiles ?

Réponses. 1. L'entité qui relie les vues — scène, personne, session ou document — afin d'éviter qu'une autre vue du même cas traverse les partitions. 2. Que le gain dépend d'un alignement réel plutôt que de raccourcis unimodaux ou de la fréquence des classes. 3. Une ablation mesure la contribution de chaque source et révèle une modalité décorative. 4. Un mode dégradé explicite, une abstention ou un fallback testé. 5. Non : il faut des ablations, des cas contradictoires, des entrées manquantes et une comparaison au meilleur modèle unimodal au même budget.