本文介绍了一种通过引入GOPro模型，结合CLIP和SSL的优势，在多任务框架中克服了损失加权和CLIP输出空间中不一致的挑战的方法。通过一种统一的学习框架，在图像和文本的共享嵌入空间中确保了输入图像的各种增强视图之间的相似性，从而提高了领域泛化任务的性能。