본 논문은 특징 추출기의 부적응 문제를 해결하기 위해 고립된 그래프 학습(IGL)과 그래프 공동 학습(GCT)을 제안한다. IGL은 샘플을 특징 공간에서 그래프 공간으로 변환하여 특징 의존성을 줄이고, GCT는 다중 모달 정보를 융합하여 특징 추출기의 부적응 문제를 완화한다.
