既存の研究ではモダリティ固有の表現とモダリティ共有可能な表現を別々に学習する様々なアーキテクチャを手動で設計してた。この方法だと大量の実験や、経験に大きく依存し時間と労力がかかる。 提案手法では既存研究のアーキテクチャからBN層を分離することでクロスモダリティマッチングを飛躍的に向上させることができた。この観察に基づいて、本質的な目的は、各BN層の最適な分離スキームを見つけることである。

CMNASは、BN指向の探索空間で構成されており、標準的な最適化をクロスモダリティの課題を前提として実現することができる。この手法では、SYSU-MM01ではRank-1/MAPを6.70%/6.13%向上させ、RegDBでは12.17%/11.23%向上させるなど、2つのベンチマークにおいて最先端の手法を凌駕した。