猫眼电影记者 卢威 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：爱游戏体育下载

  12月27日,两部门：到2035年各科学事业单位内部控制体系更加健全,“市场现时已慢慢出现回暖的气象，交易量有回升趋势，24日市场成交额达到1，300亿港元。”史美伦表示，在被问到其任内恒指及新股市场表现均低迷，史美伦指，对市场营运者及监管者而言，指数波动是市场运作常态，至于新股市场疲弱则是近年各交易所都面对的共同挑战，主因是息口高企令投资者却步，而并非缺乏企业来港上市。,云顶app下载。

  12月27日,防风险、稳市场 山西以“监管升级”回应楼市关切,伊朗与沙特和解，将有利于地区一系列危机和矛盾的缓和，包括也门危机、叙利亚与地区国家的矛盾等等。美国不想看到一个和平的中东，因为它难以再乘乱谋利。,永利集团旧网址,每日首存送优惠活动,奥门新匍京娱乐场网址。

  时事2：d88尊龙游戏大厅

  12月27日,焦点访谈丨确保“十五五”开好局、起好步 2026年经济工作这么干,在此之前，赣锋锂业、天齐锂业也已经先后向业内释放出了乐观预期。两家全球性行业龙头普遍认为，受益于可再生能源并网、商用重卡等电动化设备等领域的需求增长，2026年全球锂需求有望增长至200万吨左右，基本达到供需平衡。,银河登录正网,九洲体育app官网下载,盛世彩票平台。

  12月27日,信号兵：我们必须像雷达一样，时刻保持警觉,报道说，在俄乌冲突爆发一年后，战事正进入“决定性”阶段。在接下来的几个月里，西方可能需要作出一些艰难的决定——在支持乌克兰总统泽连斯基的问题上，也在对乌克兰提供最重要的军事支持的问题上。因此，朔尔茨肯定将与拜登讨论这些事情。,米乐m6娱乐平台,365体育比分,赌搏平台app。

  时事3：推二八杠技巧

  12月27日,法国卢浮宫将面临雇员罢工,2019年9月，国务院办公厅印发《关于促进全民健身和体育消费推动体育产业高质量发展的意见》，其中提到推动体育赛事职业化，支持发展体育经纪人队伍，挖掘体育明星市场价值。2019年12月，国家体育总局发布废止部分规范性文件的通知，《关于对国家队运动员商业活动试行合同管理的通知》等限制运动员商业活动的规定被废止。曾文莉认为，即便如此，目前国内体育经济的价值还有待充分释放。她对已走上职业化道路多年的网球充满希望，认为网球市场可能是一个突破口。,好赢的棋牌游戏,凯发娱乐登录界面,苹果世界杯投注软件。

  12月27日,为期三个月！三部门重拳整治知识产权代理行业,俄罗斯过去已经展示了许多在轨反卫星能力，战区称据信中国也对这种轨道反微信跟那个你感兴趣。去年，中国实践21号卫星（SJ-21）靠近北斗导航系统的一颗卫星，抓住它，并将其拖入所谓的“墓地轨道”，展示了另一种可用于压制对手天基系统的能力。,bbin网投平台,威尼斯澳门股份有限公司官网,永利棋牌官方。

  时事4：梭哈平台官网

  12月27日,4000万标准箱！宁波舟山港年集装箱吞吐量新突破,谈到任职港交所董事会主席期间让史美伦最深刻的时刻，便是参与30年前H股上市。H股指内地注册、香港上市的中资企业股票，而H股的历史性推出为香港成为一个国际化的市场奠定了坚实基础。,美高梅网址是多少,体育现金平台,免费送彩金游戏。

  12月27日,第59届香港工展会开幕,北京市京师律师事务所合作人卢鼎亮在接受贝壳财经记者采访时表示，是否有回旋余地取决于多方面因素；欧盟的反补贴调查程序包括初裁、终裁等阶段；目前初裁阶段认定加征关税，作为行业代表和企业所在国政府可以进行谈判。,188排球比分直播,k8凯发首页,宝利棋牌。