本文探讨了多模态对比模型中的模态差距及其对比损失的影响，提出了改进的对比损失函数和新方法（如SoftCLIP、RankCLIP、Gentle-CLIP等），以提升模态间对齐和下游任务性能，尤其在零样本分类中表现突出。这些方法通过优化嵌入空间和引入自监督学习，推动了视觉语言预训练的发展。

本文探讨了多模态对比模型中的模态差距及其解决方案。研究人员改进了对比损失函数，使嵌入在表示空间中更均匀分布，从而提升了零样本图像分类和多模态任务的性能。此外，提出了利用CLIP模型进行视觉情感分析和半监督图像标注的方法，显示出在多种任务中优于现有模型的效果。