本文介绍了多种视觉语言模型（VLMs）在姿势估计和场景理解中的应用。提出的VLPose框架增强了传统模型的鲁棒性，CogVLM在跨模态基准测试中表现优异。研究还探讨了头部姿态估计的方法，并提出了高效的HEViTPose模型。通过GroundVLP方法解决视觉定位任务中的数据不足问题，最终通过POVID方法提升了模型性能，展示了多模态输入的优势。

CogVLM是一种开源视觉语言基础模型，通过视觉专家模块实现了视觉语言特征的深度融合，不会影响自然语言处理任务性能。在10个跨模态基准测试中取得最先进的性能，在其他测试中排名第二，超过或与PaLI-X 55B相匹配。