CAPTION_CALL_METHOD = "local"时，报错ERROR: local variable 'qwen_dir' referenced before assignment

[liutingffeng]

当使用 local qwen checkpoint 时，运行后提示

原因是 load_perception_models 方法里，传给 vlm_tokenizer = AutoTokenizer.from_pretrained(qwen_dir, trust_remote_code=True) 的 dir路径问题，见如下代码

[junyangwang0410]

Thank you very much! 我们将会修复这个问题，也欢迎提交PR与我们一同共建😄