本論文では，AdaMMLと呼ばれる適応型マルチモーダル学習フレームワークを提案する．これは，効率的なビデオ認識のために，入力を条件として各セグメントに最適なモーダリティをオンザフライで選択するものである． 具体的には、ビデオセグメントが与えられると、マルチモーダル・ポリシー・ネットワークを用いて、認識モデルの処理にどのモーダルを使用すべきかを決定する。

困難な4つの多様なデータセットを用いた大規模な実験により，我々の提案する適応的アプローチは，入力に関わらずすべてのモダリティを単純に使用する従来のベースラインと比較して，計算量を35%～55%削減することができ，また，最新の手法よりも一貫して精度を向上させることができた

https://rpand002.github.io/adamml.html。