本研究提出sDREAMER模型，解决了自动睡眠分期中模态间信息交互不足的问题，显著提升了多通道和单通道输入的分类准确性，为睡眠研究提供了新工具。

本文介绍了一种基于多模态数据的学习框架，通过多任务学习将特权知识传递和模态信息融合为一个优化过程，解决了基于不完整模态的推断问题。该框架在RGB-D分类和分割任务上具有最先进的性能。