jackwang220 commited on
Commit
49f4947
·
verified ·
1 Parent(s): 74b3849

Update README.md

Browse files
Files changed (1) hide show
  1. README.md +13 -13
README.md CHANGED
@@ -4,23 +4,23 @@ emoji: 🎨
4
  colorFrom: indigo
5
  colorTo: purple
6
  sdk: gradio
7
- sdk_version: "4.31.0"
8
  app_file: app.py
9
  pinned: false
10
  ---
11
- # HW3 - Vision Language AI Web App
12
-
13
- 這是一個用於 Vision Language AI 功能的 Web UI。
14
 
15
- ## 功能
16
 
17
- * **Image Captioning (看圖說故事):** 上傳一張圖片,模型會生成對應的文字描述。
18
- * **Visual Question Answering (VQA):** 上傳一張圖片並提出問題,模型會回答問題。
 
19
 
20
- ## 如何執行
 
 
 
21
 
22
- 1. 安裝依賴:
23
- `pip install -r requirements.txt`
24
- 2. 執行 App:
25
- `python app.py`
26
- 3. 在瀏覽器中開啟 `http://127.0.0.1:7860`
 
4
  colorFrom: indigo
5
  colorTo: purple
6
  sdk: gradio
7
+ sdk_version: "4.44.1"
8
  app_file: app.py
9
  pinned: false
10
  ---
 
 
 
11
 
12
+ # HW3 - Vision Language AI Web App
13
 
14
+ 這是一個用於 Vision Language AI 功能的 Web UI(Gradio + Transformers),支援:
15
+ - **Image Captioning (看圖說故事)**
16
+ - **Visual Question Answering (VQA)**
17
 
18
+ 為了在 Hugging Face Spaces(免費 CPU)穩定執行,本專案採用:
19
+ - `Salesforce/blip-image-captioning-base`(Caption)
20
+ - `dandelin/vilt-b32-finetuned-vqa`(VQA)
21
+ - **Lazy loading + 模式切換自動釋放**,避免同時載兩個模型造成 OOM。
22
 
23
+ ## 如何執行(本地)
24
+ 1. 安裝依賴
25
+ ```bash
26
+ pip install -r requirements.txt