혹시 이미지 데이터랑 텍스트 멀티모델로 구현했을 때 텍스트 모델만 썼을때보다 유의미한 성능향상을 이룬 팀이 있나요?

제가 다양한 방법으로 멀티모달을 구현해봤지만 실험해본 결과 그렇게 큰 성능차이가 없는 거 같아서요.

다른 팀은 어떻게 진행되고 있는지 궁금합니다