groundingLMM
★ 969
vs
Archive-Agent
★ 63
groundingLMM vs Archive-Agent
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。；Archive-Agent：Archive Agent是一款智能文件索引器，将检索增强生成（RAG）功能带到您的命令行，实现对本地文档的自然语言搜索和查询。它支持设备上的处理，包括自动OCR、语义分块，并兼容多种AI提供商以实现灵活部署。
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。
Archive-AgentVision / Multimodal · ★ 63
使用自然语言在大量的个人或工作文档中快速查找信息。
02
并排对比
字段
groundingLMMArchive-Agent分类
视觉/多模态
视觉/多模态
Stars
★ 969
★ 63
许可证
Apache-2.0
GPL-3.0
安装方式
git clone https://github.com/mbzuai-oryx/groundingLMM.git
git clone https://github.com/shredEngineer/Archive-Agent && cd Archive-Agent && chmod +x install.sh && ./install.sh
更新时间
1个月前
2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
检索增强生成, 语义搜索, 文档索引
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。
Archive-Agent01对本地文档进行智能语义AI搜索和自然语言查询。
02本地索引多种文档类型，包括PDF、图片、Markdown和纯文本，并支持自动OCR和实体提取。
03支持多种AI提供商（OpenAI, OpenRouter, Ollama, LM Studio），提供灵活的模型选择和隐私保护。
04支持完全可恢复的并行处理，实现可扩展的性能，并利用AI缓存和强大的重试逻辑。
05通过内置的模型上下文协议（MCP）服务器集成到工作流中，方便工具访问。
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。
Archive-Agent↳使用自然语言在大量的个人或工作文档中快速查找信息。
↳通过自动OCR功能，将扫描文档和图片数字化并使其可搜索。
↳建立一个本地、私密的RAG系统，用于文档分析，而无需将数据发送到外部服务。
↳通过MCP接口，在AI驱动的工作流中自动化文档处理和查询。
↳在本地机器上高效管理和搜索不同目录和文件类型的文件。
FAQ
常见问题
groundingLMM 和 Archive-Agent 有什么区别？
groundingLMM 和 Archive-Agent 都属于 Vision / Multimodal 类别。groundingLMM 有 969 Stars，Archive-Agent 有 63 Stars。
groundingLMM 和 Archive-Agent 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，使用自然语言在大量的个人或工作文档中快速查找信息。 时选 Archive-Agent。
groundingLMM 是免费的吗？
是的，groundingLMM 在 GitHub 开源（Apache-2.0）。
Archive-Agent 是免费的吗？
是的，Archive-Agent 在 GitHub 开源（GPL-3.0）。
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）。
→