groundingLMM
★ 969
vs
claude-mermaid
★ 218
groundingLMM vs claude-mermaid
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。；claude-mermaid：Claude Mermaid是一个MCP服务器，用于在Claude Code中渲染Mermaid图表，提供实时重载和内置的AI技能以获取专家指导。它通过在浏览器中自动更新预览来简化迭代图表开发，从而优化图表修改流程。
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。
claude-mermaidVision / Multimodal · ★ 218
通过实时反馈快速开发和优化Mermaid图表
02
并排对比
字段
groundingLMMclaude-mermaid分类
视觉/多模态
视觉/多模态
Stars
★ 969
★ 218
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/veelenga/claude-mermaid.git && cd claude-mermaid && npm install && npm run build && npm install -g .
更新时间
1个月前
1天前
开源
是
是
标签
多模态人工智能, 计算机视觉, 自然语言处理
Mermaid, 图表绘制, 实时重载
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。
claude-mermaid01实时重载：编辑时图表在浏览器中自动刷新
02多种保存格式：导出为SVG、PNG或PDF
03内置技能：包含一个Claude技能，提供创建图表的最佳实践和专家指导
04交互式预览：通过拖动平移图表，使用浏览器控件缩放，一键重置位置
05多重预览：使用`preview_id`同时处理多个图表
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。
claude-mermaid↳通过实时反馈快速开发和优化Mermaid图表
↳将Mermaid图表绘制直接集成到Claude Code的工作流程中
↳生成并导出多种格式（SVG、PNG、PDF）的图表用于文档
↳利用AI指导获取图表创建的最佳实践
FAQ
常见问题
groundingLMM 和 claude-mermaid 有什么区别？
groundingLMM 和 claude-mermaid 都属于 Vision / Multimodal 类别。groundingLMM 有 969 Stars，claude-mermaid 有 218 Stars。
groundingLMM 和 claude-mermaid 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，通过实时反馈快速开发和优化Mermaid图表 时选 claude-mermaid。
groundingLMM 是免费的吗？
是的，groundingLMM 在 GitHub 开源（Apache-2.0）。
claude-mermaid 是免费的吗？
是的，claude-mermaid 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）。
→