本书围绕跨模态检索研究展开系统论述：第一章为绪论，总领全文，阐述跨模态检索研究的背景与必要性；第二章分析现有度量学习方法的优缺点，提出通用加权度量学习框架，统一现有度量损失函数，为后续研究奠定基础；第三章设计自相似度多项式损失函数，通过多项式权重函数关联样本对权重值与自身相似度分数，实现模型训练中对不同样本对重要性的自适应衡量；第四章提出相对相似度多项式损失函数，在保留损失函数形式灵活性的同时，大幅减少超参数数量；第五章引入元学习机制，构建新型元自步网络；第六章总结主要研究内容与贡献，并展望跨模态检索领域的未来研究方向。