该文综述多种跨模态对比学习方法：C-MCR无需成对数据，通过重叠模态连接对齐现有表示空间；MMCL用单模态对比编码和伪孪生网络捕捉模态内外动态；Ex-MCR将多个对比表示空间对齐到基准空间，在音频-视觉、3D-图像等任务上取得最优性能；UNIMO统一单模态与多模态的理解与生成；此外还有MUCMM、S³CA、交叉模态学习、COBRA、COOKIE及语音理解等方法，均提升了跨模态检索与表示学习效果。