需求人群：

研究人员和开发者：用于开发和改进视觉语言模型

教育领域：作为教学工具，帮助学生理解图像和语言之间的关系

商业应用：在广告和营销中生成吸引人的产品描述

艺术创作：辅助艺术家创作，提供灵感和描述

使用场景示例：

在图像标注任务中自动生成详细的图像描述

用于训练聊天机器人，使其能够更准确地描述图像内容

在视觉障碍辅助技术中，为视觉障碍人士提供图像的详细口头描述