File size: 1,440 Bytes
d742615 af0bb47 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 | ---
title: Vision Language Chatbot
emoji: 😻
colorFrom: indigo
colorTo: pink
sdk: gradio
sdk_version: 5.49.1
app_file: app.py
pinned: false
---
Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
題目：視覺語言模型問答系統（Vision-Language Chatbot）
專案簡介
本專案實作一個「視覺問答（Visual Question Answering, VQA）」網頁應用程式，
使用者可以上傳一張圖片並以自然語言提問，AI 模型將根據圖片內容回答問題。
系統整合多種 BLIP（Bootstrapped Language-Image Pretraining）** 模型，
可切換不同版本進行效果比較，如：
- BLIP VQA Base：基礎版問答模型
- BLIP VQA Large：大型版本，表現更佳但速度稍慢
- BLIP Captioning：用於產生圖片描述（非問答）
---
功能特色
- 支援圖片上傳
- 可進行多輪問答（聊天模式）
- 可隨時更換圖片並重新提問
- 可切換模型比較不同回答效果
- 使用Gradio製作介面，介面簡潔、可即時互動
---
環境安裝（本地執行）
conda create -n hw3 python=3.10 -y
conda activate hw3
pip install -r requirements.txt
python app.py
---
檔案結構
- `app.py`: 包含所有邏輯的主要 Gradio 應用程式腳本
- `requirements.txt`: 專案所需的 Python 套件列表
- `README.md`:此檔案
- `sample_images/`: 包含用於 Gradio 介面範例的測試圖片
|