猫眼电影记者 赵卫东 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：酷游ku777备用线路

  12月26日,内塔尼亚胡与特朗普通话,泰国主帅石井正忠赛后表示本场比赛只拿到平局，自己负全部责任。随后中国队的赛后新闻发布会，有记者转述泰国队主帅的言论，问伊万为这个平局负多少责任？由于该记者还提问了第二个关于变阵双中锋的问题，伊万跳过责任的提问转而回答第二个问题，但现场媒体并不满意，集体追问伊万自己应该承担多少责任。老头多少显得有些尴尬，只能无奈说道，“作为职业教练，任何结果都要负责。”,188宝金博平台首页。

  12月26日,清华大学中外学生参观恭王府,遇到类似情况的，还有村民汪绪金一家。汪绪金的妻子张青莲2009年做过一次良性肿瘤手术。2018年，张青莲又做了一次肾切除手术，事后去村里递交了大病补助申请，有关部门反馈说，“家里有营业执照，办不了。”,火狐体育官方入口,沙巴体育球盘,百姓彩票官网购彩。

  时事2：英亚体育下载官网

  12月26日,“花式过冬 嗨游辽宁”2025冬游辽宁消费季启幕,同期，虽然锂辉石提锂企业产量环比有所增长，但是上述期间月度产量增幅不过0.15万吨，这使得下半年以来矿石提锂整体产量明显回落。,冠捷官网,喜迎棋牌游戏平台,tpimage吧。

  12月26日,应对甲流，不止囤药：每天13元，让医生持续守护家人,另据德新社报道，朔尔茨2日在德国联邦议院发表讲话时称，尽管俄乌冲突爆发已超过一年，但“和平谈判仍没有基础”。他明确表示：“不能用枪指着人的太阳穴进行谈判。”,金沙app下载客户端吗,手机电玩城有哪些,手机游戏平台大全。

  时事3：乐虎国际可靠吗

  12月26日,山东青岛港今年货物吞吐量超7亿吨,生态，曾是国产系统最难跨越的鸿沟。鸿蒙深知，真正的竞争不在技术单点，而在生态共建。2024年10月，鸿蒙5发布，全面启用自研内核，迈出生态独立的关键一步。令人振奋的是，开发者们没有让鸿蒙独行，而是选择坚定地与这个国产操作系统站在了一起。,升博免费试玩,心博天下在哪注册,信誉网赌大全。

  12月26日,海关近期查获上万件侵权玩偶 含《疯狂动物城 2》相关公仔,在主题分享环节，英诺湖医药董事长夏明德博士以“MNC视角 vs. Biotech 实操：新周期下创新药资产的“价值兑现”与资本化路径”为题，深入解析了跨国药企与 Biotech 在BD交易，管线合作方面的关注点和可借鉴经验，为早期项目如何构建可被全球市场与资本同时认可的价值叙事提供了系统思路。,金沙客户端手机版下载,世界杯 投注金额,pg电子游戏试玩。

  时事4：拉斯维加斯游戏官网网址

  12月26日,【统战巡礼】发挥法宝作用 广泛凝心聚力,数据显示，2025年第三季度新发开放式理财产品的业绩基准已跌至2.08%，距离2%的分水岭仅有一步之遥。,老葡京娱乐开户,皇冠体育比分直播,亚星管理平台入口。

  12月26日,同心坐标｜这座私宅为何被称为“民主之家”？,特朗普在 4 月的演讲中称：“就业岗位与工厂将大量回流美国，而且你们已经能看到这一切正在发生。”,万博首页登陆不上去,手机网赌网址有哪些,打开九游。