実世界でのマルチモーダルデータではMissing-modalities現象が良くある。しかしながら、現状のモデルが上記に対しての検討は不足していた。ここで、VandLのTransformer構造がMissing-modalitiesに対してのロバスト性検討をし、既存手法での実験分析を行った上、データセットによりCross-modalitiesのFusionするタイミングが性能につながる結論を発見。