本文探讨了多模态深度神经网络在预测人脑多模态整合位置的应用，发现多模态训练技术能有效提升神经活动预测。研究表明，视觉与语言的结合对理解视觉刺激的语义至关重要，并分析了多模态模型在视觉识别任务中的优势与局限。