该文综述多模态情感分析研究，涵盖基于Transformer与Faster RCNN的特征融合、双模态配对表示、跨模态交互学习等方法，在CMU-MOSI等数据集上超越SOTA；并涉及情感图像标题生成、非语言模态转文本、用户评论自监督学习及AACL图像检索等应用。