猫眼电影记者 格洛姆菲尤尔 报道首次登录送91元红包

随着多模态大模型（MLLMs）在各类视觉语言任务中展现出强大的理解与交互能力，如何高效地处理原生高分辨率图像以捕捉精细的视觉信息，已成为提升模型性能的关键方向。

然而，主流的视觉编码范式往往难以兼顾性能与效率：基于切片的编码方法虽能降低计算开销，却牺牲了全局上下文感知能力；而全局原生分辨率编码在提升整体性能的同时，又带来了巨大的计算负担。同时，现有的视觉压缩策略与特征提取过程相对独立，难以在编码早期有效控制信息冗余，缺乏一个兼顾细粒度建模与计算效率的统一架构。

针对如何在高清原生分辨率下，保持图像全局理解能力的同时，还能快速推理这一核心问题，来自清华大学、中科院的研究团队正式发布LLaVA-UHD v3！

论文标题：LLAVA-UHD V3: PROGRESSIVE VISUAL COMPRESSION FOR EFFICIENT NATIVE-RESOLUTION ENCODING IN MLLMS论文链接：https://arxiv.org/abs/2511.21150代码链接：https://github.com/thunlp/LLaVA-UHDhuggingface 链接：https://huggingface.co/Sishxo/LLaVA-UHD-v3

LLaVA-UHD-v3 提出了全新的渐进式视觉压缩框架 ——Progressive Visual Compression（PVC），由Refined Patch Embedding（RPE）与Windowed Token Compression（WTC）两个核心组件构成。该框架在保持全局语义一致性的前提下，显著减少视觉 Token 数量，从根本上提升原生高分辨率视觉编码的效率。依托 PVC，LLaVA-UHD-v3 在性能上可与 Qwen2-VL 相媲美，同时实现1.9× 的 TTFT 加速，完整训练仅需32 张 A100、约 300 小时即可完成。

切片编码 vs 全图编码深入分析

为了公平对比两种主流视觉编码方式 —— 基于切片的编码 (Slice-based Encoding, SBE) 与 全局原生分辨率编码 (Global Native-Resolution Encoding, GNE) —— 团队使用相同模型架构 + 相同训练数据 + 相同评估 protocol。在此基础上，既在通用多模态 benchmark 上测试，也专门构建了一个合成数据集 ShapeGrid 用于空间感知 / 定位能力分析。

在 ShapeGrid (及其 “Sudoku-style” 子集) 上，GNE 相比 SBE 在空间感知 / 定位任务上的表现有明显优势：空间感知能力平均提升约11.0%。

同时，在通用视觉 - 语言理解任务中，GNE 在语义理解表现上也略优于 SBE（平均提升约2.1%）。

更重要的是，通过对比注意力热图、激活分布 (attention maps)，研究发现 SBE 在空间定位任务中表现出系统性的方向、结构偏差 (例如水平、垂直方向不均衡) —— 也就是说 SBE 的切片机制破坏了图像的空间连续性 (spatial continuity 、geometry)，从而削弱了空间理解、定位的可靠性。

因此，该对比实验清晰地表明：尽管 SBE 在效率上有优势，但从语义 + 空间 + 几何一致性 (global context + spatial reasoning) 的角度，GNE 明显更适合需要空间感知、高分辨率理解与推理的任务。

全图编码的高效解决方案

全局原生分辨率编码带来了较高的计算成本，这凸显了迫切需要一种原生且高效的视觉编码范式。因此，团队提出了 LLaVA-UHD v3，一种配备了渐进式视觉压缩（PVC）方法的多模态大模型（MLLM），用于高效的原生分辨率编码。

PVC 架构由两个核心模块组成：

精细化 Patch 嵌入 (Refined Patch Embedding, RPE)：通过将图像划分为更小尺寸的 patch，并用伪逆 (pseudo-inverse) 方法将预训练模型原有 embedding 权重转换为新的、更细粒度的 embedding。这样，原本粗粒度 patch 的语义信息被近似保留，但实现了更丰富的视觉语义提取建模。窗口化 Token 压缩 (Windowed Token Compression, WTC)：在 ViT 的中间层，将空间上相邻的多个 token（例如 2×2 区域）聚合为一个新 token，初期以均匀平均池化 (average pooling) 起步，并通过一个轻量级、零初始化的 MLP 模型学习内容自适应的池化权重，从而逐渐学会对更重要区域赋予更高权重。这样，随着网络深度的推进，token 数量被大幅压缩，而关键语义信息得以保留。

这种 “先细粒度建模 + 再渐进压缩” 的设计，使得 PVC 在兼顾全局语义 + 局部细节的同时，大幅降低计算量。

实验验证：PVC 在推理效率提升的同时保留模型能力

效率方面，在统一的 LLM（Qwen2-7B）框架下，本文提出的 ViT-UHD 编码器相比 MoonViT 实现了2.4× 加速，相比 Qwen2.5-ViT 也快 1.9×。将其整合到完整的 MLLM 中后，LLaVA-UHD v3 的 TTFT 相较强大的 Qwen2-VL降低 49%（约快 1.9×），甚至比以高效著称的切片编码模型 MiniCPM-V2.6 仍然快约 10%。

在性能方面，LLaVA-UHD v3 仅使用约 2000 万对图文数据完成训练，远低于 Qwen2-VL（约 7 亿）和 MiniCPM-V-2.6（约 4.6 亿）等商业模型的训练规模。然而，其在多项视觉语言基准中依旧展现出高度竞争力。同时，它实现了64× 的视觉 Token 压缩率，远超对手（Qwen2-VL 约为 4×，MiniCPM-V2.6 为 16×），但在需要细粒度视觉信息的任务上 —— 包括 HallusionBench（幻觉检测）、CV-Bench（空间推理）以及 OCR&Chart（文字与图表识别）—— 依然取得了与 SOTA 模型相当甚至更优的表现。

这些结果充分验证了 PVC 框架的核心价值：在大幅减少视觉 Token 和推理开销的同时，仍能稳健保留关键的细节感知与全局理解能力，实现真正意义上的 “高效而不降级”。

基于对全图编码与切片编码优劣的深入分析，LLaVA-UHD v3 提出了结合两者优势的渐进式视觉压缩全图编码方案，在保证模型能力的前提下实现了显著的推理效率提升，并展现出良好的迁移与泛化能力，为 MLLM 的高精度原生分辨率建模提供了可行路径。

不过，实验分析表明，缺失了预对齐阶段的 ViT-UHD 性能不佳，这表明引入 PVC 后的视觉编码器能力仍未达到上限：仅靠当前 MLLM 的标准训练流程，很难完全挖掘 ViT 的视觉表征潜力，其学习尚未饱和。此外，随着 Token 数量增大，Transformer 的二次复杂度仍然会带来成本瓶颈。

未来，仍需要探索更适合多模态任务的视觉编码预训练策略，并逐步引入线性复杂度算子替代传统的二次复杂度注意力机制，从而实现真正可扩展的高效多模态建模。

  时事1：线上彩票直营

  12月28日,商务部：中欧双方正在就电动汽车案开展磋商,对于“中国航天器到底是什么”，“战区”栏目称，中国的航天器往往认为类似于美国太空部队的两架X-37B小型航天飞机，两者有许多相同能力。X-37b被认为具有极高的轨道机动性，并且至少可以从中央舱部署有效载荷，或者从附加到其机身后部的辅助载荷舱在轨道部署载荷。多年来，关于X-37B潜在的太空军事能力一直有很多猜测，现在它由一个负责执行“轨道战”的单位控制。,乐博注册。

  12月28日,消费“双试点”花落南京：加速建设国际消费中心城市,中金公司研究表示，若市场利率进一步下行，2026年银行理财子公司或将不得不面对理财产品整体收益率降至2%以下的时代，预计部分理财产品需通过提升风险资产配置比重以增厚收益。,申慱sunbet版app,菲律宾威尼斯人玩场娱乐,真钱电子赌城。

  时事2：manbetx体育平台a

  12月28日,【新疆故事】造雪师李彦周的“冰雪匠心”,徐州也在实现一季度“开门红”之后，加紧谋划如何再下一城。“二季度既是承上启下的关键节点，也是决定全年经济走向的关键时期。”在一季度经济形势分析会上，徐州市委书记宋乐伟强调，要更大力度抓招商上项目，深入开展“招商引资质效提升年”行动，不断夯实经济增长基础。,易博体育平台怎么样,w88网站手机版,必威官方首页。

  12月28日,日本前首相石破茂再批“日本拥核”言论,各国央行资产负债表上持有的黄金资产有相当大的比例是历史遗留资产，并非新购入。,下注体育的平台,千赢国际官网登陆入口网址,OD买球。

  时事3：天博体育苹果版下载

  12月28日,澳大利亚警方说，悉尼枪击事件已造成12人死亡,“上市公司是信息披露第一责任人，董事、高管负有法定勤勉义务，不能以‘非专业人士’或‘信赖中介’为由推卸责任。”,998游戏中心,艾弗森贝博平台下载,体育博官网。

  12月28日,好评中国｜岁末回望，中国经济底色厚亮色足暖色满,据亿纬锂能中央研究院院长赵瑞瑞介绍，开发钠电池的核心目的是与锂电池形成互补，而非替代锂电池，两类电池在性能上的差异化特征，能够适配不同应用场景的需求。例如，数据中心长期处于高温环境下运作，若意外断电，钠电的高功率特性可实现瞬间补能，保障数据中心持续运行、避免数据丢失等。,365体育网安卓版,有牛牛的游戏,世界杯买球搞笑。

  时事4：leyu乐鱼官网网址

  12月28日,时隔27年 我国献血法拟迎首次修订,其中，仅广东一省就有4所高校，包括1所新增、1所更名为大学、2所“升本”——新增设置深圳理工大学，佛山科学技术学院更名为佛山大学，广东轻工职业技术学院、肇庆医学高等专科学校分别“升本更名”为广东轻工职业技术大学、肇庆医学院。,MG电子官方网站,世界杯什么网站直播,新365bet。

  12月28日,2025三湘民营企业百强榜发布 各项主要指标稳步提升,辽宁队此番客场远征，郭艾伦随队来到东莞，并参加了球队的训练。不过，这场比赛他依然没有复出。末节还剩4分多钟时，辽宁队老将李晓旭在无对抗中受伤，他单脚跳到场边后，在郭艾伦等人的搀扶下回到更衣室。,下载娱乐app送彩金,环宇足球,必博bibo官方网站。