groundingLMM
★ 969
vs
openreality
★ 429
groundingLMM vs openreality
groundingLMM：GLaMM（接地大型多模态模型）是一个端到端训练的大型多模态模型，能够生成与对象分割掩码集成的自然语言响应，实现了视觉接地，并支持在多层次粒度上与图像进行灵活交互。它引入了新颖的接地对话生成（GCG）任务，支持指代表达式分割和区域级图像描述等多种下游应用，并以大规模的GranD数据集为基础。；openreality：Open Reality 把一段手机视频重建为持久的 3D 场景，AI 智能体可通过 41 个 MCP 工具查询它。支持测量、路径规划和机器人训练数据导出，整套服务可自托管在自己的 GPU 或 Modal 账号上。
01
简评
groundingLMMVision / Multimodal · ★ 969
理解并响应用户关于特定图像区域查询的交互式视觉助手。
openrealityVision / Multimodal · ★ 429
让 Claude Code 回答房间有多大、扫描里有哪些物体
02
并排对比
03
功能特性
groundingLMM01生成与对象分割掩码无缝集成的自然语言响应。
02支持新颖的接地对话生成（GCG）任务，并提供全面的评估协议。
03执行详细的区域级图像描述和回答基于推理的视觉问题。
04通过从基于文本的查询创建分割掩码，擅长指代表达式分割。
05提供高质量的图像描述和会话式问答。
openreality01上传手机视频，几分钟后得到持久保存的 3D 场景
02测量任意点之间的距离和角度，用真实距离校准后才以米为单位
03在扫描出的可通行空间中规划到物体或指定点的路线
04可把扫描导出为 LeRobot / GR00T 风格数据集或 Isaac Sim 场景（托管服务）
05内置离线模拟器，用示例数据跑通流程，无需账号和 GPU
04
使用场景
groundingLMM↳理解并响应用户关于特定图像区域查询的交互式视觉助手。
↳用于创建密集、像素级接地数据集的自动化标注工具。
↳需要视觉理解和带有分割的详细文本描述的高级图像分析任务。
openreality↳让 Claude Code 回答房间有多大、扫描里有哪些物体
↳用手机扫描真实空间，生成机器人训练数据
↳为智能体自托管视频转 3D 重建后端
FAQ
常见问题
groundingLMM 和 openreality 有什么区别？
groundingLMM 和 openreality 都属于 Vision / Multimodal 类别。groundingLMM 有 969 Stars，openreality 有 429 Stars。
groundingLMM 和 openreality 哪个更好？
最佳选择取决于你的具体需求。理解并响应用户关于特定图像区域查询的交互式视觉助手。 时选 groundingLMM，让 Claude Code 回答房间有多大、扫描里有哪些物体 时选 openreality。
groundingLMM 是免费的吗？
是的，groundingLMM 在 GitHub 开源（Apache-2.0）。
openreality 是免费的吗？
是的，openreality 在 GitHub 开源（BSD-2-Clause）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→