该文综述图像-文本多模态模型的发展，按演化阶段分为三类，按任务分为五类，梳理关键技术、应用价值与挑战，并展望未来方向，为后续研究提供参考。

本文综述图像-文本多模态模型的发展与现状，按演化阶段分为三类，将相关任务归为五大类，梳理各类最新进展与关键技术；讨论跨模态检索、文本到图像/视频生成、GAN图像合成与编辑等方向，介绍特征提取、对齐、效率优化与预训练研究进展，并指出评估指标、数据集与模型架构等挑战及未来方向。