圖片來源：huggingface

在Day1 提到了VLM可以完成哪些任務，參考上面這張圖片可以理解得更清楚。

這些任務未來可以具體被應用在哪些領域：

1. 醫療影像診斷
   現階段深度學習可檢測腫瘤並判識X光或醫學掃描分類結果，而VLM則可自動生成診斷報告，可與醫生病人互動，或是融合影像、病歷或其他數據資料進行推理。
2. 智慧教學
   未來教師可以上傳圖片自動生成教材與題庫，或是發展個人化學習助教，VLM與學生即時互動，輔助教學。
3. 法律文件分析
   例如當肇事發生時，VLM能結合現場證據影像、法律條文及保險合約，可以自動生成事故報告，保險案件摘要，並提供法條對照及合規判斷。
4. 自駕車場景描述
   VLM能對使用者（駕駛或乘客）解釋路況，或與交通規則文本結合，做語言層次的合規判析。
5. 工業檢測維修
   VLM可以根據設備使用說明製作操作步驟，營運中能結合影像及維修手冊，自動生成故障診斷報告，並指導初階技師維修步驟。
6. 智慧交通與監控
   VLM可以自動生成場景描述，或是結合影像偵測用路人行為並自動產生事件描述並輔助決策判斷。

此時我們是否會有疑問，電腦視覺發展已久，且針對影像處理任務，現今有許多應用利用深度學習的模型或演算法已有不錯的準確度，在未來有需要轉向使用VLM嗎，例如Day1提到的影像物件辨識任務，這幾年YOLO版本不斷的演進，目前在物件辨識的效能及準確度上都有不錯的發展，若這些應用並不需要語言理解，是否VLM並無法發揮更好的效果，也不需要轉向VLM應用？ 這部分我需要再思考，可能等到我對VLM理解功力較深時候，最後幾天再來討論我的看法。

不過，不容置疑的是，當領域應用需要「影像 + 語言」跨模態整合，或需要人類可解釋輸出時，則使用VLM可更加智慧且能開發更廣泛的功能。

------------------------- 這是分隔線，以下純屬閒聊，可能與主題無關 ----------------------

這兩天匆忙地開始發文，只能先以過去僅有的VLM概念撐場面，有點乾....
預告 Day3: VLM的架構； Day4:如何訓練VLM，為什麼VLM可以看圖說話； Day5:目前有哪些VLM模型，開始動手做。