VLM（Transformer）

VLM模型需要融合视觉编码器和语言模型。
其中视觉编码器的原理是将图片转换为数字向量，这个向量中包含了图片的信息，使其能够被翻译成语言模型所能够识别的信息。

YOLO（CNN）

YOLO则是使用特征提取器（卷积核）去扫描图片中的特征，生成特征地图。
然后通过多层网络扫描处理，将特征从简单的边缘、颜色、纹理，逐步组合成更加详细具体的特征，如眼睛鼻子耳朵等。

特性	YOLO (目标检测器)	VLM (视觉语言模型)
处理目标	定位和识别 (Localization & Recognition)	理解和描述 (Understanding & Description)
图像处理方式	卷积和下采样，生成保留空间信息的多尺度特征地图。	将图像编码为单一或少数几个全局特征向量，交给语言模型。
空间信息	保留得非常好，这是它的核心任务。	大部分被压缩或丢弃，重点是全局语义。
好比	制作一张精密的GIS地图，每个坐标点都有详细信息。	写一篇关于某个地方的旅行总结报告。
输出	结构化的坐标和类别列表。	非结构化的自然语言文本。