COSMO是解决视觉语言预训练中虚假负样本问题的方法，通过处理虚假负样本和采用GRIT策略转换为正样本。实验证明COSMO在多个下游任务上有效，重要性超过解决虚假正样本的重要性。与BLIP-family模型兼容。

该研究改进了视频-语言对齐模型，提出了对比失配频谱和构建了对齐数据集。对齐模型在人工生成的对比字幕上，在视频-语言对齐任务中的AUC指标提升了12个百分点，并在文本到视频检索和视频问答等任务中表现出了最新性能。

COSMO是一种用于无环结构学习的无约束连续优化方案，具有渐近更快的收敛速度和优异的图结构重建表现。