GLEE é um modelo base universal de objetos para imagens e vídeos que, por meio de uma estrutura unificada, permite a localização e identificação de objetos em imagens e vídeos, podendo ser aplicado a diversas tarefas de percepção de objetos. Treinado conjuntamente com diversas fontes de dados de diferentes níveis de supervisão, o GLEE forma uma representação universal de objetos, mantendo desempenho de ponta e permitindo transferência e generalização zero-shot eficientes. Apresenta ainda boa escalabilidade e robustez.