GiT

一个Transformer搞定分类、检测、分割和生成，视觉任务不再分家。

GiT是一个面向通用视觉任务的Transformer模型，源自ECCV 2024 Oral论文。它通过统一的语言接口，将图像分类、目标检测、图像分割和图像生成等不同视觉任务统一建模为序列生成问题，从而让一个模型同时处理多种视觉任务。GiT的核心创新在于其简洁的架构设计，无需复杂的任务特定头或模块，仅依靠Transformer和语言接口就能实现多任务学习。该模型解决了传统视觉模型任务专用、难以泛化的问题，展示了视觉Transformer在通用视觉理解与生成方面的潜力。项目提供了官方实现代码和预训练模型，方便研究者和开发者复现和进一步探索。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 365

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Haiyang-W

所属国家

官网地址

GitHubhttps://github.com/Haiyang-W/GiT

定价模式free

价格说明开源项目，基于Apache-2.0许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型foundation-models,perception,transformer,unified,vision-and-language,vision-transformer

GitHub 星标★ 365

30天Star增速

HF 下载量

上线时间2024-03-07 00:00:00

最近更新2026-09-14 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3

使用教程

核心亮点

统一语言接口设计，将多种视觉任务统一为序列生成，架构简洁优雅
ECCV 2024 Oral论文，理论创新性强，学术认可度高
官方代码开源，提供预训练模型，便于快速上手和复现

不足之处

项目处于早期阶段，文档和社区支持待观察
模型规模可能较大，对计算资源要求较高，部署成本不低

适用场景

学术研究：探索通用视觉Transformer架构与多任务学习
多任务视觉应用：需要同时处理检测、分割等任务的场景
视觉生成与理解统一：希望用单一模型完成多种视觉任务

替代项目

UniT、OFA、Flamingo

项目介绍

GiT 是计算机视觉领域的开源项目，由 Haiyang-W 开发，2024 年首次发布。

它收录于计算机视觉分类，该分类目前共有 447 个项目，GitHub 星标数为 365。

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 2026-09-14。基于Apache-2.0许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：学术研究：探索通用视觉Transformer架构与多任务学习。同类可对比的替代方案包括 UniT、OFA、Flamingo。

上一篇：STU-Net

下一篇：depth_any_camera

GiT