猫眼电影记者 梁山伯 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：ku游娱乐备用网1

  12月25日,山东泰安：雪覆岱庙 古韵盎然,《华盛顿邮报》主持人询问斯托尔滕贝格，中国是否有可能在结束俄乌冲突的谈判中发挥外交作用时，斯托尔滕贝格表示，中国“尚未谴责俄罗斯”，但他欢迎两国领导层的对话，“因为欧洲发生的事情关系到亚洲，而亚洲发生的事情关系到欧洲”。斯托尔滕贝格同时宣称，如果“普京获胜”，所有人都会“变得脆弱”。,日博足球比分。

  12月25日,中国将牵头制定海洋能转换系统国际标准体系,该公司目前有19家股东，11家国有股东中，深投控与深圳罗湖投资控股均为深圳市国有资本投资运营公司，共占国任保险54.622%股权。民营股东共8家，公开关联信息层面无关联关系。,体育官网app,世界杯足球体彩网站,伟德体育在哪开户。

  时事2：德甲足彩竞彩比分

  12月25日,报告称大多数跨国企业都致力于在中国寻求发展,一国的力量有限，中亚五国抱团取暖、联合自强，对外用一个声音说话，有利于地区利益的最大化。近年来，中亚五国在跨界水资源使用、边界划分等方面的矛盾有所缓解，中亚两个大国哈萨克斯坦和乌兹别克斯坦从过去争当地区老大更多转向合作。中亚国家越来越倾向于作为一个整体来布局外交，已与中国、美国、俄罗斯、日本、欧盟等多方建立C5+1机制。,国际利来真人,云顶集团手机登录,男篮世界杯投注。

  12月25日,中国地震局针对西藏那曲市双湖县地震启动四级应急服务响应,会上，时任福建省副省长郭宁宁说，“我们诚挚邀请新朋老友到福建走走看看，相约福州‘最美人间四月天’，共襄峰会盛举，共创美好未来。”,曾道人送特码,九五至尊游戏手机版网址,银河信誉平台。

  时事3：篮球直播网

  12月25日,新能源汽车出口“芜湖-上海”精品航线开航,钱所长解释，过去工商登记的规定和流程不严格，可以委托人代办，因此会出现这种“空壳个体户”。那么是否有人大批量“代办”刘院村个体工商户登记？钱所长称目前没有发现。“这些情况，我们核实完之后，会统一对外发布。”他同时告诉记者，2024年工商注册登记系统升级后，个体户也要提交年报，登记也需要现场人脸识别，冒名登记的情况应该可以杜绝。,赌博网,天博体育官网下载,AG视讯是假的吗。

  12月25日,新疆双口岸动能“拉满弓” 锻造“一带一路”黄金通道,后期接任：虽未直接参与2021年交易，但在2023年可转债发行时未纠正已知虚假信息；,威尼斯人登录页,电玩城捕鱼游戏,开元棋牌手机游戏。

  时事4：二八杠在线网址

  12月25日,江西萍乡以足球为媒凝聚侨心,据俄新社、英国广播公司（BBC）消息，在沃罗比耶夫宣布这一消息前，俄罗斯国防部宣布在俄罗斯南部地区击落了两架乌克兰无人机。,币游国际官网,188金宝搏网页登录,全球最大的网上赌城。

  12月25日,四中全会精神解读·市场最前沿丨驶向丘陵山区！国产农机焕新启程,12月11日，信银理财表示，新增江苏丹阳农商行、江苏涟水农商行、江苏泗洪农商行作为代销机构。,日博体育资讯,银河体育娱乐,威尼斯真人游戏。