unicom

用海量数据练出通用视觉特征，让图像任务更简单

unicom 是一个大规模视觉表示模型，旨在通过自监督或弱监督学习从海量图像数据中提取通用视觉特征。它解决了传统视觉模型在跨领域泛化能力不足的问题，通过在大规模数据集上预训练，学习到更鲁棒、更通用的图像表示，可直接用于图像分类、检索、检测等下游任务。核心能力包括高维特征提取、多粒度语义理解以及高效的迁移学习。项目基于 Python 实现，提供了简洁的接口和预训练权重，方便开发者快速集成。目前处于早期阶段，但已展现出在视觉表示学习领域的潜力。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 702
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队deepglint
所属国家
官网地址
GitHubhttps://github.com/deepglint/unicom
定价模式free
价格说明开源模型，MIT许可证，可免费使用和部署，无在线服务。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型embodied-artificial-intelligence,laion400m,large-language-models,large-sacle-pretrained-model,multimodal-large-language-models,vision-transformer
GitHub 星标★ 702
30天Star增速
HF 下载量
上线时间2023-02-15 00:00:00
最近更新2026-08-13 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4

使用教程

核心亮点

  • 大规模预训练，特征泛化能力强
  • 支持多种下游任务，迁移灵活
  • 提供预训练权重，开箱即用

不足之处

  • 文档/社区待观察
  • 模型规模大，推理资源要求高

适用场景

  • 图像检索与相似度匹配
  • 图像分类与目标检测的预训练骨干
  • 跨模态任务中的视觉编码

替代项目

CLIP、DINOv2、MAE

项目介绍

unicom 是开源模型领域的开源项目，由 deepglint 开发，2023 年首次发布。

它收录于开源模型分类，该分类目前共有 424 个项目，GitHub 星标数为 702。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-13。MIT许可证，可免费使用和部署，无在线服务。

它主要面向的使用场景是：图像检索与相似度匹配。同类可对比的替代方案包括 CLIP、DINOv2、MAE。

上一篇：Show-o

下一篇：LongLLaDA

同类项目推荐

Machine-Learning 开源

跟着博客笔记，边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
awesome-ltx2 开源

找齐 LTX-2 模型、工作流和 LoRA，一键上手视频生成。

All available LTX-2 models, encoders, workflows, LoRAs for ComfyUI

★ 593 2026-08-10