本篇主要讲解了在视觉领域中视觉语言模型的发展历程，每种VLM基础模型提出的背景，设计方案，应用领域等，调查了关于图像识别，图像定位，图像分割，字幕生成，视频追踪等方向相关的模型。 Foundational Models Defining a New Era in Vision: A Survey and Outlook 定义视觉新时代的基本模型：调查与展望 paper: 2307.13