猫眼电影记者 斯佩齐亚 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：manbet赞助

  12月28日,世界羽联总决赛：多场国羽双打将迎关键对决,据中国证券报，市场人士表示，此次深沪两所召开上市委会议，是落实发行上市新规，持续平稳推进发行上市审核的具体体现。,手机斗牛看4张牌抢庄攻略。

  12月28日,江西弋阳腔非遗传承“破局”：人才新政让年轻人从“出走”到“回归”,在服务过程中，“空中柜面”运用了“远程交互+智能防控”数字新技术，通过全流程智能识别与录音录像、电子签名存证、OCR 识别等技术，确保每一笔业务操作可追溯、信息真实有效，有力保护客户个人信息与资金安全，可以说是从机制上筑牢消费者权益“防护网”。,官方银河国际备用下载,永利注册送官网,云顶娱乐手机版入口。

  时事2：新宝gg官网地址

  12月28日,中国大学地球系统科学联盟在北京启动 院士专家共商发展大计,国际媒体一下抓住新闻点，为什么是在中国？美联社的新闻标题写道，“伊朗与沙特在中国的帮助下同意恢复关系”。法新社直接给这一协议打上了“中国制造”（Made in China）标签。《经济学人》报道说，两个宿敌坐在一起已经够惊人的了，但更让人惊讶的是会谈地点在北京，而不是一个中东国家的首都。,芒果体育平台登陆,long88vip,ob.sports。

  12月28日,人民财评：供需“双向奔赴”，打开消费增长新空间,此外，还有网友称赵菊英并非视频中宣传的退休老师，而是“被辞退”。对此，嘉峪关市教育局工作人员回应极目新闻记者称，赵菊英于2023年从该市某小学退休，针对网友们反映的问题，教育局将介入调查。,凤凰彩票开户网址,葡京app安装,线上现金平台mg。

  时事3：沙巴体育app官网登录

  12月28日,意大利前官员：美国制裁无助于解决问题，更无法撼动中国发展模式丨世界观,曾经的“高教洼地”如今已迎头赶上，广东因此成为不少面临类似困境省份的学习对象，其中就包括同为沿海经济大省的浙江。,188即时足球比分直播,男足世界杯预选赛亚洲积分,线上赌博电玩城。

  12月28日,义利天下｜一顶来自义乌的帽子，火到了美国后院,“二审稿增加规定，其实就是落实货物放行与税额确定相分离的模式，便利纳税人。”施正文说。,九州体育app下载,皇冠足球盘app,皇冠最新平台。

  时事4：888集团电子游戏网址

  12月28日,2025年闽南戏剧周：“戏游闽南”古城沉浸式展演,靳东，1976年出生于山东省，毕业于中央戏剧学院，国家一级演员，曾获得“青年五四奖章”先进个人、“全国德艺双馨电视艺术工作者”等荣誉称号。他还是第十四届全国政协委员。,尊龙AG旗舰厅登录,体育彩票投注站申请,kok在哪开户。

  12月28日,（友城故事）甘肃71对友城惠及多领域合作,问：据报道，美国驻菲律宾大使罗玫凯近日接受了菲GMA电视台专访，被问及菲卡加延和伊莎贝拉两省省长对菲在《加强防务合作协议》（EDCA）框架下向美新增开放的军事合作地点可能位于该省感到担忧，罗称有关合作将帮助当地发展经济。罗还被问及美菲南海联合巡航问题，她称有关行动目的是为了确保南海航道自由开放。中方对此有何评论？,九州体育bet9,新英体育欧洲杯版权,爱博在线试玩。