除图片描述和视觉问答外，VLM 还有哪些潜在应用方向？

「腾讯」

• 腾讯CSIG在产业互联网场景下，多模态技术最可能突破的方向是哪个？

多模态趋势与业务 你如何看待多模态模型从图文对齐走向视频理解、3D感知的趋势？

• 腾讯CSIG的智慧零售、智慧交通等业务中，哪些场景最需要这种能力升级？

• 除了图片描述和视觉问答（VQA），你还能列举出 VLM 的哪些前沿或具有潜力的应用方向？

• 多模态模型在自然语言处理中的应用有哪些?

• 多模态模型与 LLM 在应用能力边界上有何差异？

• 多模态任务可以如何整体分类？分类依据是什么？

• 四类代表性任务各自的典型落地场景与技术特征是什么？

• 多模态下游应用可以按什么框架分类与定位？

• 什么场景下不应该使用多模态大模型？