groundingLMM
groundingLMM是CVPR 2024入选的多模态模型，首次实现自然语言响应与物体分割掩码的无缝集成。当用户描述图像中的特定物体（如“左边的红色杯子”），它不仅能生成回答，还能直接在图像上精准勾勒出对应区域，解决了传统模型难以精确关联文本与像素位置的问题。该模型支持图像和区域输入，通过端到端训练统一了短语定位、指代表达分割和视觉对话任务，并基于GranD数据集（750万独特概念、8.1亿区域标注）训练，适用于研究人员和开发者在智能设计、机器人视觉或医学影像分析等场景中构建高精度视觉交互系统。
使用场景
某服装电商平台的客服团队每天处理数千张用户上传的试穿照片，需自动识别服装部位并生成尺寸调整建议。
没有groundingLMM时
- 传统目标检测仅能提供矩形框，无法区分衣领、袖口等细节部位，导致建议错误（如将袖口误判为衣领）
- 人工标注每张图需3分钟，团队积压严重，用户等待时间超24小时
- 无法识别特定区域的污渍或破损，导致售后纠纷频发
- 多人同框时无法区分不同人的服装，建议混淆率高达40%
使用groundingLMM后
- 通过像素级分割精准定位衣领、袖口等部位，生成“左袖口褶皱需放大10%”等具体建议
- 处理速度提升至5秒/张，用户等待时间缩短至5分钟内
- 自动高亮标注破损区域并生成维修建议，售后纠纷减少60%
- 多人同框时独立分割每位用户的服装，建议准确率提升至95%
groundingLMM将视觉理解从“识别物体”升级为“理解场景细节”，彻底解决人工标注瓶颈，让AI真正读懂图片中的每个像素。
运行环境要求
- 未说明
未说明
未说明
快速开始
GLaMM 
：像素级多模态大模型 [CVPR 2024]
哈努娜·拉希德﹡，穆罕默德·马兹﹡，萨哈尔·沙吉，阿卜杜勒拉赫曼·沙克尔，萨尔曼·汗，希沙姆·乔拉卡尔，拉奥·M·安瓦尔，埃里克·辛格，明-轩·杨 和 法哈德·汗
穆罕默德·本·扎耶德人工智能大学、澳大利亚国立大学、阿尔托大学、卡内基梅隆大学、加州大学默塞德分校、林雪平大学、谷歌研究院
📢 最新动态
- 11月7日，2024年：VideoGLaMM发布。它将视频的语义对话生成任务扩展到了视频领域🎥！快来看看VideoGLaMM吧🔥🔥
- 3月21日，2024年：我们很高兴地宣布GranD数据集和GranD自动化标注流程正式发布🔥
- 2月27日，2023年：我们非常激动地宣布GLaMM已被CVPR 2024录用！🎊
- 12月27日，2023年：GLaMM训练与评估代码、预训练检查点以及GranD-f数据集均已发布点击查看详情🔥🔥
- 11月29日，2023年：GLaMM在线交互式演示版发布演示链接。🔥
- 11月7日，2023年：GLaMM论文发布arXiv链接。🌟
- 🌟 特别推荐：GLaMM现在已在HuggingFace的AK每日论文页面上被置顶推荐！🌟
GLaMM概览
Grounding Large Multimodal Model (GLaMM) 是一种端到端训练的多模态大模型，具备视觉定位能力，可灵活处理图像和区域输入。这使得它能够实现全新的统一任务——语义对话生成，该任务结合了短语定位、指代表达分割以及视觉语言对话。凭借对区域细节的理解、像素级定位及对话能力，GLaMM为用户提供的视觉输入提供了多粒度级别的交互能力。
🏆 主要贡献
GLaMM简介。我们提出了Grounding Large Multimodal Model (GLaMM)，这是首个能够生成自然语言响应并与物体分割掩码无缝融合的模型。
全新任务与评估。我们提出了一种名为语义对话生成（GCG）的新任务，并为此任务设计了一套全面的评估方案。
GranD数据集创建。我们创建了GranD——Grounding-anything数据集，这是一个大规模密集标注的数据集，包含750万个独特概念，覆盖8.1亿个区域。
🚀 深入探索：GLaMM的训练与评估
通过我们的详细指南，深入了解GLaMM的核心训练与评估方法。
安装指南：提供设置conda环境以运行GLaMM训练、评估和演示的指导。
数据集：提供下载并整理训练与评估所需数据集的详细说明。
GranD：提供下载GranD数据集并运行自动化标注流程的详细说明。
模型库：提供所有预训练GLaMM检查点的下载链接。
训练指南：介绍如何训练GLaMM模型，使其具备语义对话生成（GCG）、区域级描述和指代表达分割等多种能力。
评估指南：概述使用预训练检查点评估GLaMM模型的流程，涵盖语义对话生成（GCG）、区域级描述和指代表达分割，这些内容均在我们的论文中有所报道。
演示指南：指导您搭建本地演示环境，展示GLaMM的各项功能。
👁️💬 GLaMM：Grounding Large Multimodal Model
GLaMM的各个组件经过精心设计，能够同时处理文本和可选的视觉提示（图像级别和感兴趣区域），从而支持多粒度级别的交互，并生成语义一致的文本响应。
🔍 Grounding-anything数据集（GranD）
Grounding-anything GranD数据集是一个大规模数据集，配备了自动化标注流程，用于实现精细的区域级理解和分割掩码。GranD包含750万个独特概念，共覆盖8.1亿个区域，每个区域都配有分割掩码。
下面是一些GranD数据集的示例。
📚 为语义对话生成构建GranD-f
GranD-f数据集专为GCG任务设计，包含约21.4万对图像与文本的配对数据，以便在微调阶段获得更高质量的数据。
🤖 语义对话生成（GCG）
我们推出GCG任务，旨在生成与分割掩码绑定的图像级描述，从而提升模型在自然语言描述中的视觉定位能力。
🚀 下游应用
🎯 指称表达分割
我们的模型擅长从基于文本的指称表达中生成分割掩码。
🖼️ 区域级描述生成
GLaMM能够生成详细的区域特定描述，并回答基于推理的视觉问题。
📷 图像描述生成
与专业模型相比，GLaMM的图像描述质量同样出色。
💬 对话式风格问答
GLaMM在进行详细、区域特定且有据可依的对话方面表现出色。这充分彰显了它在复杂视觉语言交互中的适应能力，以及稳健地保留大语言模型固有的推理能力。
📜 引用
@article{hanoona2023GLaMM,
title={GLaMM: 像素级对齐的大规模多模态模型},
author={拉希德，哈努娜；马兹，穆罕默德；沙吉，萨哈尔；沙克尔，阿卜杜勒拉赫曼；汗，萨尔曼；乔拉卡尔，希沙姆；安瓦尔，拉奥·M.；邢，埃里克；杨，明轩；汗，法哈德·S.},
journal={IEEE/CVF计算机视觉与模式识别会议},
year={2024}
}
🙏 致谢
我们感谢LLaVA、GPT4ROI和LISA将他们的模型和代码作为开源贡献发布出来。
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。