本研究提出MAETok方法，通过掩码建模探索扩散模型的潜在空间特性，从而提高图像合成任务的生成质量与效率。

该文综述图像-文本跨模态预训练与对齐研究：CoCa以对比式注解器统一编码解码；CyCLIP优化几何一致性以提升零样本分类与鲁棒性；利用合成图文对增强模态对齐；MimCo结合掩码建模与对比学习；基于连贯性关系提升字幕质量；ComCLIP分解子图像实现组合匹配；线性语义映射实现跨模型嵌入迁移；MaskCLIP引入掩码自蒸馏学习局部信息；跨模态相似性难度度量提升字幕泛化；Token-Aware Cascade改进文本-视频检索等任务。