本文介绍了一种新的数据增广技术，利用语言模型生成逼真的文本样本，并利用软标签蒸馏知识，同时创建文本扰动。实验证明该方法在分类任务上的数据增广效果优于现有方法。

本文提出了一种结合对比学习和自监督学习的基线模型，用于生成多模态表示。通过对比性损失和视觉自监督学习的损失函数，对齐图像和文本模态。同时，采用更有效的数据增广技术，提高了模型性能，在四个标准数据集上取得了最先进的性能。