总而言之，多模态数据对齐的核心是通过**对比学习**或**生成学习**，将不同模态的数据映射到一个**共享的语义空间**中，并用**InfoNCE**等损失函数来优化模型，使其在该空间中相关的数据点靠近，不相关的数据点远离。***代表模型**：**Stable Diffusion**, **DALL-E** (部分)。未来方向包括开发更高效的**自监督**和**弱监督**学习方法。***损失函数*