| --- |
| 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 |
|
|
