单机双模型：YOLOv8n 检测 + 微调 0.8B VLM 描述，全程离线

开发者分享一款需在飞行模式下工作的相机应用，全部推理在设备端完成，代码以 GPL 3 开源。架构为双模型分工：检测用基于 Open Images V7 训练的 YOLOv8n，覆盖 601 类，在预览帧上实时运行，Android 用 TFLite FP16、iOS 做转换；描述用微调后的 0.8B 视觉语言模型，4-bit 量化，iOS 经 MLX Swift、Android 经 llama.cpp 与 mtmd 运行，输出一句话而非类别列表，例如识别出信封为“Umpqua 银行 76.50 美元账单，2027 年 4 月 2 日到期”。VLM 运行前先做文档检测路由：iOS 用 Vision 文档分割，Android 用 ML Kit 文本识别，满足三行以上且至少二十个字符等条件才触发。

AI推荐理由 开发者分享一款完全离线运行的相机应用架构：YOLOv8n 在预览帧上做实时检测（Open Images V7 训练，601 类），配合微调并 4-bit 量化的 0.8B 视觉语言模型生成一句话描述，iOS 走 MLX Swift、Android 走 llama.cpp 与 mtmd，并以文档检测/OCR 做路由。给出了具体模型、量化方式、部署框架和示例输出，工程细节密度高，代码以 GPL 3 开源；但为个人项目自述，无基准测试或第三方验证。