---
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  
   ```bash
   pip install -r requirements.txt