Aprendizaje multimodal

1. ¿Qué unidad hay que mantener entera durante el split de datos multimodales?
2. ¿Qué verifica el control en el que los pares imagen–texto se mezclan aleatoriamente?
3. ¿Por qué retirar una modalidad durante la evaluación?
4. ¿Qué comportamiento hay que definir cuando falta un sensor en producción?
5. ¿Un rendimiento global superior demuestra que todas las modalidades son útiles?

Respuestas. 1. La entidad que relaciona las vistas — escena, persona, sesión o documento — para evitar que otra vista del mismo caso atraviese las particiones. 2. Que la ganancia depende de un alineamiento real y no de atajos unimodales o de la frecuencia de las clases. 3. Una ablación mide la contribución de cada fuente y revela una modalidad decorativa. 4. Un modo degradado explícito, una abstención o un fallback probado. 5. No: hacen falta ablaciones, casos contradictorios, entradas faltantes y una comparación con el mejor modelo unimodal con el mismo presupuesto.