猫眼电影记者 刘祥士 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：lol赛事赌注

  12月29日,古安第斯人驯化什么骆驼？国际最新研究称是已灭绝的骆驼科支系,林地的再一次更新，是一个不亚于当年拓荒的过程。首先要取得林业部门颁发的采伐证，交300元/亩的押金，找人来把地里的“小老头树”采伐并清理干净。采伐的木材商会顺带清理地里的树根，相当于还农户一片相对的净地。作为交换，地里的木材会免费送给对方。2023年春天，一个采伐商来到地里，连根带木地拔走了吴七林30多亩土地里的杨树。“相当于这30多年没啥效益。”吴七林觉得。,BOB综合体育APP下载。

  12月29日,马克龙用中英文发帖：“感谢中国如此热情的接待”,九是铜成为算力产业链中最优质资产，紫金矿业市值与规模超过必和必拓，成为全球最大矿业公司；,新2皇冠手机网页版,开博体育官网首页网址,美高梅网游。

  时事2：必赢亚洲网页版手机登陆

  12月29日,中俄界江乌苏里江饶河段全线封江 较去年晚6天,ESG理念正加速融入企业战略与经营管理体系。规范、透明、可比的可持续信息披露已成为企业提升治理能力、回应社会关切、实现高质量发展的重要基础。未来，国际医学将继续以高标准推进ESG治理体系建设，深化绿色转型，强化社会责任，优化患者体验，也将进一步提升信息披露工作的规范性、系统性与透明度，在“高质量医疗+可持续发展”的道路上不断前行。,大富豪游戏,云开体育app网页版,世界杯体育开户网。

  12月29日,（乡村行·看振兴）山西柳林：小草莓“映红”致富路 大棚种植赋能乡村振兴,如今，佛山已再次校准坐标，明确要用7年时间再上一个万亿台阶。在今年2月举行的广东省高质量发展大会上，佛山市委书记郑轲透露，佛山制造业当家的下一个目标，是到2030年规上工业总产值跃升到4万亿元。,亚洲博狗官网,AG视讯作假,澳门皇冠官网游戏直播。

  时事3：葡京体育体育外围

  12月29日,风雪无阻，温暖守护——各地多举措迎寒潮保民生,当地时间2月9日，泽连斯基拟前往布鲁塞尔与欧盟领导人会晤并在欧洲议会发表演讲。欧洲理事会主席米歇尔的一名发言人对外界披露，此前米歇尔曾经邀请泽连斯基“亲自参加一次欧盟峰会”。,沙巴体育投注登录,188体育手机版注册,乐竞体育平台正规。

  12月29日,中国打造警犬自主品牌昆明犬 已推广至10余个国家和地区,数据显示，今年全国高考报名人数首次突破1300万人大关，达1342万人，比去年增加51万人。就在千万学子迎考之际，各地高校获批的消息也密集传来。,比分球探网,牛牛抢庄模式规则,bet365官方网站。

  时事4：乐动体育app下载

  12月29日,2025年茶产业综合产值将突破万亿元 迈入量质提升新阶段,经研究，聘任徐平、石晟怡、吴盛悦、高一斌为中国通用技术（集团）控股有限责任公司外部董事，朱鸿杰不再担任中国通用技术（集团）控股有限责任公司外部董事职务。,大发体育网站是什么,世界杯菠菜app,博盈娱。

  12月29日,“粤车南下”进入香港市区政策正式实施,香港大公文汇全媒体报道称，李家超表示，此次行程共有8位局长同行，会在人大会议闭幕会后拜访不同中央部委及机构，就不同政策交换意见，争取中央部委及机构在了解香港实际情况之下，尽量支持香港施政及不同政策。他称，将于3月18日返回香港。,AG正网,贝博app体育官网,凯发k8官方旗舰店。