本研究提出了一种无训练的图过滤方法MM-GF，旨在提高多模态推荐系统的效率。通过多模态特征精炼构建相似性图，使用线性低通滤波器融合信息，MM-GF在推荐精度上提升了13.35%，且运行时间低于10秒，具有良好的实际应用潜力。

本研究通过构建相似性图和引入可学习的图融合运算符，解决多模态特征融合中结构关系不足的问题。该方法在低维图空间中有效融合不同特征关系，在视频异常检测等任务中表现出色，展示了其跨多领域的融合能力。