El Análisis de Sentimientos Multimodal (MSA) juega un papel crítico en muchas aplicaciones, incluyendo el servicio al cliente, asistentes personales y comprensión de videos. Actualmente, la mayoría de la investigación sobre MSA se centra en el desarrollo de representaciones multimodales, en gran parte debido a la escasez de anotaciones unimodales en los conjuntos de datos de referencia de MSA. Sin embargo, la dependencia exclusiva en representaciones multimodales para entrenar modelos resulta en un rendimiento subóptimo debido al aprendizaje insuficiente de cada representación unimodal.