Los avances recientes en redes neuronales de grafos (GNNs) han mejorado la capacidad de los sistemas de recomendación multimodal para procesar interacciones complejas entre usuarios y productos. Sin embargo, los enfoques actuales enfrentan dos limitaciones clave: dependen de métricas de similitud estáticas para los grafos de relaciones de productos y tienen dificultades para fusionar efectivamente la información a través de modalidades. Proponemos MR-CSAF, un nuevo algoritmo de recomendación multimodal que utiliza fusión de atención cruzada. Basándonos en FREEDOM, nuestro enfoque introduce un selector de modalidad adaptativo que pondera dinámicamente la contribución de cada modalidad a la similitud del producto, lo que permite grafos de relaciones de productos más precisos y representaciones de modalidades optimizadas. Empleamos un mecanismo de atención cruzada para facilitar tanto la transferencia de información intermodal como intramodal, mientras utilizamos la convolución de grafos para incorporar características actualizadas en las representaciones de modalidades de ítems y productos. Los resultados experimentales en tres conjuntos de datos públicos demuestran que MR-CSAF supera a ocho métodos de referencia, validando su efectividad en la provisión de recomendaciones personalizadas y avanzando en el campo de la recomendación personalizada en entornos multimodales complejos.