groundingLMM
★ 969
vs
worldlabs-mcp
★ 24
groundingLMM vs worldlabs-mcp
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。；worldlabs-mcp：worldlabs-mcp 是一个模型上下文协议网关，连接到世界实验室的 Marble 和 Spark 2.0 引擎。它支持从多种输入（文本、图像、视频、全景图）生成可导航的 3D 世界，通过高斯喷溅渲染进行实时流式传输，并集成空间语音代理。该项目包含 Web 仪表板、多个导出目标（Resonite、Blender、Unity）以及 VR 头戴设备支持。
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。
worldlabs-mcpVision / Multimodal · ★ 24
从文本或图像生成可导航的 3D 世界，用于 VR/AR 体验
02
并排对比
字段
groundingLMMworldlabs-mcp分类
视觉/多模态
视觉/多模态
Stars
★ 969
★ 24
许可证
Apache-2.0
MIT
安装方式
git clone https://github.com/mbzuai-oryx/groundingLMM.git
git clone https://github.com/sandraschi/worldlabs-mcp && cd worldlabs-mcp && uv pip install -e ".[dev]"
更新时间
1个月前
1周前
开源
是
是
标签
多模态人工智能, 计算机视觉, 自然语言处理
marble, MCP 服务器, webapp
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。
worldlabs-mcp01Marble 1.1+ 世界生成，支持文本、图像、多图像、视频或本地文件上传
02Spark 2.0 空间引擎，具有层次化 LOD 和虚拟 GPU 分页的 Gaussians 喷溅流式传输
03世界库，提供卡片/列表视图、缩略图、搜索、过滤和资源下载
04绘画传送门：从著名画作生成 3D 世界
05空间语音代理，内置 TTS 和坐标接地叙述
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。
worldlabs-mcp↳从文本或图像生成可导航的 3D 世界，用于 VR/AR 体验
↳将著名画作转化为沉浸式 3D 场景，用于虚拟画廊
↳创建交互式空间叙事，语音代理在场景坐标中接地
FAQ
常见问题
groundingLMM 和 worldlabs-mcp 有什么区别？
groundingLMM 和 worldlabs-mcp 都属于 Vision / Multimodal 类别。groundingLMM 有 969 Stars，worldlabs-mcp 有 24 Stars。
groundingLMM 和 worldlabs-mcp 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，从文本或图像生成可导航的 3D 世界，用于 VR/AR 体验 时选 worldlabs-mcp。
groundingLMM 是免费的吗？
是的，groundingLMM 在 GitHub 开源（Apache-2.0）。
worldlabs-mcp 是免费的吗？
是的，worldlabs-mcp 在 GitHub 开源（MIT）。
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）。
→