使用图像描述模型为任意图片生成描述语句
一个名叫xmodaler的项目集成了若干个图像描述方法，在该项目中可以调用现有的图像描述模型进行描述，但本人没有详细研究过，所以在这里只提供一个可能的方向：
研究了一段时间名为DLCT的项目的代码，下面介绍下使用该项目进行图像描述的方法，项目地址：
在使用该项目前，需要区域特征、网格特征、对齐图等共计五条数据，其中对齐图在项目的aligns目录下，简单阅读就可以看懂，其他信息在之前的两篇专栏中已经给出了提取方法（虽然项目中预期使用的是目标检测器网格特征，但使用CLIP网格特征也无伤大雅）。
当取得了必须的数据后，执行下面的代码即可：
命令行参数如下：
