人类通过视觉、味觉、听觉、嗅觉和触觉等一系列模式体验生活。这些多种模式通过复杂的神经元连接网络在我们的大脑中整合在一起进行信息处理。同样，人工智能要模仿人类的学习方式并进化到下一代，就应该有效地阐明多模态信息融合。模态是传达有关对象或事件（如图像、文本、视频和音频）的信息的渠道。当研究问题包含来自多种模态的信息时，它被称为多模态。多模态系统涉及一种要查询的数据模式以获得任何（相同或不同的）模态结果，而跨模态系统严格从不同模态中检索信息。由于输入-输出查询属于不同的模态系列，它们的连贯比较仍然是一个悬而未决的挑战，因为它们的形式原始且对内容相似性的定义主观。研究人员提出了许多技术来处理这个问题，并减少不同模态之间的信息检索语义差距。本文重点对跨模态信息检索领域的各种研究工作进行了比较分析。还讨论了几种跨模态表示的比较分析以及应用于基准数据集的最新方法的结果。最后，提出了一些未解决的问题，使研究人员能够更好地理解当前的情况并确定未来的研究方向。