多模态机器学习在图像和文本关系方面取得进展，但未包括新的冲突话语和手势交互。MMOE方法通过专门模型分类无标记多模态数据点，改进了交互性能，提供了新的数据集分析方法。

多模态机器学习在图像和描述性文本之间的关系方面取得进展，但未包括新的冲突话语和手势交互。MMOE方法通过专门的模型对无标记的多模态数据点进行分类，改进了交互性能，并提供了新的数据集分析方法。