[分享创造] UniPercept AI 照片评价系统

一句话看懂：一名开发者基于 GitHub 上的开源项目 UniPercept 搭建了照片评价 Demo，用户可以上传图片获取 AI 对照片质量、构图等方面的评分与反馈，目前以限量的方式开放公测。这是 AI 图像理解能力从“生成”向“评价与筛选”延伸的典型个人尝试，对图库管理场景有直接借鉴意义。

事件核心：发生了什么

开发者 thunderbolt215 在 V2EX 社区发布了一个名为“UniPercept AI 照片评价系统”的在线 Demo。该项目基于 GitHub 上同名的开源项目（UniPercept）构建，用户可通过网址 us.lazywang.com（验证码 nmnb）上传图片，系统会调用 AI 模型对照片进行评价。该评价并非简单的标签识别，而是涉及美学、构图、曝光等主观维度的量化判断。目前这一定位为“纯个人玩具”的 Demo 设定有访问量限制：满 1000 张图片后停止公测，并要求用户不进行压力测试或上传违法内容。

为什么重要

AI 在图像领域的应用长期聚焦于“生成”（如 Midjourney、Stable Diffusion）和“识别”（如人脸检测、物体检测）两大方向。UniPercept 这类项目则指向第三块市场——图像的“筛选与评价”。对于拥有海量照片的普通用户、摄影师或图库运营者而言，自动化的美学评分能显著降低人工筛选成本。它代表 AI 大模型在垂直场景下的轻量落地：不依赖昂贵的云端算力，利用开源模型即可实现专业级评价反馈。此外，该项目独特的测试设计，也提供了一种低成本验证模型效果的“众测”模式。

对用户/开发者/创作者的影响

普通用户：可以直接体验 AI 对自己照片质量的量化评价，有助于理解当下 AI 在图像审美方面的能力边界，也可作为挑选最佳照片的参考工具。但需注意当前 Demo 有严格的上传次数限制。
开发者：UniPercept 的开源属性为开发者提供了现成的模型与前后端代码，可快速二次开发，例如集成到个人图库 App 或 NAS 管理软件中，实现基于 AI 评分的自动分类与淘汰。
创作者（摄影师/设计师）：能够借助客观评分辅助复盘拍摄或后期成果，但由于模型训练数据与审美偏好客观存在偏差，不宜将评分作为唯一决策依据。