README.md

metadata

title: Vision_language_model1
emoji: 🎨
colorFrom: indigo
colorTo: purple
sdk: gradio
sdk_version: 4.44.1
app_file: app.py
pinned: false

HW3 - Vision Language AI Web App

這是一個用於 Vision Language AI 功能的 Web UI（Gradio + Transformers），支援：

• Image Captioning (看圖說故事)
• Visual Question Answering (VQA)

為了在 Hugging Face Spaces（免費 CPU）穩定執行，本專案採用：

• Salesforce/blip-image-captioning-base（Caption）
• dandelin/vilt-b32-finetuned-vqa（VQA）
• Lazy loading + 模式切換自動釋放，避免同時載兩個模型造成 OOM。

如何執行（本地）

1. 安裝依賴

   pip install -r requirements.txt