🌖 NanoVLM SigLIP2 视觉语言模型推理

基于 nanoVLM 框架的在线推理工具。SigLIP2 版本，图像编码器与检查点完美匹配。

模型: nanoVLM 222M (SigLIP2-base-patch16-224 + SmolLM2-135M)
框架: nano-mllm
注意: 当前模型以英文训练数据为主，中文输出质量有限。