提案手法では、複数のオートエンコーダから成る Cascade Residual Autoencoder (CRA) を用いることで、モダリティが欠損していても分散表現を堅牢に学習できる。また、Cycle Consistency Learning を用いて、入力から欠損したモダリティの分散表現、および、更に別の CRA を通して入力の分散表現を予測するように学習する。

２つのベンチマークで、モダリティに欠落がある場合とない場合の両方で性能の向上を確認した。Ablation の結果、Cycle Consistency Learning を用いることで大きな改善が得られることがわかった。また、学習されたモデルは複数のモダリティを用いた場合に最も性能が良いことが示されている。