猫眼电影记者 苗静 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：ag捕鱼王的打法

  12月25日,专家指具身智能大规模落地仍处于早期阶段,有记者问：日本政府4月26日宣布拟对半导体等领域相关物项实施出口管制，并就有关措施征求公众意见。中方对此有何评论？,ld乐动体育最新版。

  12月25日,黎智英串谋勾结外国势力等罪成立,随着车企持续烧钱却收效甚微，再加上传统车企携重金入局、推出多款盈利困难的电动车型，电动汽车的行业狂热开始降温。,188体育入口,新宝gg在线试玩,球探体育appios版本。

  时事2：欧宝体育网址入口

  12月25日,解锁成都339塔新视角！男子花5小时环拍近6公里延时摄影,记者了解到，2011年至2023年任吕王镇工商所所长的，是邓志军。知情人士告诉记者，2023年，邓志军任大悟县市场监督管理局药械股股长、不良反应检测中心主任。5月10日，记者多次电话联系邓志军，均被挂断，采访短信也未获回复。,大红鹰葡京会,亚星手机版官方登,上葡京手机投注。

  12月25日,美方将大疆无人机列入“受管制清单” 中方：坚决反对无理打压中国企业,据广东省教育厅此前发布的《关于2021年高等教育“冲一流、补短板、强特色”提升计划资金安排方案》，从2021持续至2023年，共计投入约106.5亿元助力高校“冲补强”。广东也因此成为“豪掷千金办大学”的典型代表。,亚博网页登陆,永利电玩城网址试玩,九游会app官方。

  时事3：游戏打鱼

  12月25日,赖清德推荐陆配面馆？ 国台办指装模作样营造假象,作为国内在端侧智能领域布局最早的大模型厂商，面壁构建起完善的理论体系与模型产品谱系，MiniCPM 面壁小钢炮端侧模型已在汽车、手机、PC 及智能家居等多个领域实现规模化落地，与吉利、长安、大众、华为等多家知名企业达成深度合作，端侧大模型的商业化进程走在行业前列。,澳门皇冠客户APP,BB视讯,下载金沙。

  12月25日,湖北省博物馆创意美食“出圈” 游客尝鲜“漂亮饭”,数据显示，一季度，温州、徐州、大连、唐山GDP分别为2152.2亿元、2118.35亿元、2103.5亿元、2006.5亿元，同比分别增长6.1%、6.9%、5.8%、6.6%。相比去年一季度，四座城市GDP增量分别达到123.1亿元、102.1亿元、70.6亿元、76.1亿元。,开元游戏app,万博客户端手机,下载银河app手机版官网。

  时事4：分分彩网站有哪些

  12月25日,央广财评|以便民利企硬措施 优化营商软环境,台“农委会”“主委”陈吉仲称，蛋类产量恢复要到5、6月，期间将全力调度满足消费者需要。对此，民众党“立委”邱臣远11日批评，台湾从导弹缺到鸡蛋，过去抢口罩抢疫苗，现在抢药、抢水、抢鸡蛋，“一场全台大缺蛋，被提升的只有‘主委’的口才反应力”。,鸭脖体育登陆,大富豪棋牌平台官网,凤凰网站是黑平台吗。

  12月25日,海南自贸港“全岛封关”如何运作？一文了解,1月30日，唐家成在出席活动致辞时指出，今年往后一段时间，港交所及香港证监会将会研究收窄股票买卖价差，此前也发布了上市公司库存股份咨询文件，相信这有助提升香港市场的流动性及吸引力。,世界杯外围赛买球,澳门银银河官方网真人发牌,金沙直营网APP下载。