Advanced Image Captioning：使用最先进的 AI 模型为您的图像生成详细的描述

Advanced Image Captioning App 是一个强大且用户友好的工具，使用最先进的 AI 模型为您的图像生成详细的描述。该应用结合了 Florence-2 和 Llama 3.2 Vision 模型的优势，为您上传的任何图像提供丰富、上下文相关的描述。

• GitHub：https://github.com/Khalil-Rehman9/CaptionAI

✨ 功能

• 双模型支持：在 Florence-2 和 Llama 3.2 Vision 模型之间进行选择
• 批处理：一次上传并处理多张图像
• 有序输出：描述带有时间戳，便于参考
• 用户友好界面：干净、直观的 Streamlit 界面
• 错误处理：全面的错误消息和日志记录

🚀 入门指南

先决条件

在开始之前，请确保您的机器上安装了 Python 3.8+。您还需要一些磁盘空间来存储 AI 模型。您还需要在本地机器上安装 Ollama。

安装

• 克隆此仓库：

  git clone https://github.com/yourusername/image-captioning-app.git
  cd image-captioning-app

• 创建虚拟环境（推荐）：

  python -m venv venvsource venv/bin/activate 
  # 在 Windows 上使用：venv\Scripts\activate

• 安装所需的包：

  pip install -r requirements.txt

• 运行应用:

使用以下简单命令启动应用：

streamlit run app.py

应用将在您的默认浏览器中打开。如果未打开，请访问 http://localhost:8501。

🎯 如何使用

1. 选择模型：

   • Florence-2：适用于详细的视觉描述和艺术风格识别
   • Llama 3.2 Vision：擅长自然语言描述和上下文理解
2. 上传图像：

   • 点击上传按钮或拖放您的图像
   • 支持 JPG、JPEG 和 PNG 格式
   • 一次上传多张图像进行批处理
3. 获取描述：

   • 应用处理每张图像并显示生成的描述
   • 描述会自动保存在 captions 文件夹中
   • 每个会话都有自己的时间戳文件夹