猫眼电影记者 乔治·瓦西拉基斯 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：体育赌博登陆官网

  12月23日,冰雪美景成为激活乡村振兴“金钥匙” 村民在“家门口”吃上“旅游饭”,中方对2024年3月成功举行的俄罗斯联邦总统大选表示欢迎，认为本次选举组织程度高，公开、客观且具有全民性，其结果充分彰显俄罗斯政府所奉行的国家政策获得广泛拥护，而发展同中华人民共和国的友好关系是俄罗斯外交政策的重要组成部分。,球探下载官网。

  12月23日,全岛封关看海南：“薪动力”有啥Buff？,新京报讯 据广东省纪委监委消息：广东省民政厅原党组副书记、厅长卓志强涉嫌严重违纪违法，目前正接受广东省纪委监委纪律审查和监察调查。,爱游戏体育投注,英亚是什么网站,火狐体育下载网站在哪。

  时事2：威尼斯手机

  12月23日,轮椅篮球队长林穗玲的“奔跑”之路：从“孤僻女孩”到“队伍灵魂”,屠新泉表示，中国新能源汽车产业是产业转型升级的重大成果。得益于我国在汽车产业的多年积累，以及电子信息产业的发展，新能源汽车产业快速崛起，出口逐年增长。面临关税等贸易壁垒也是在产业快速发展壮大过程中的一个必经阶段。,opebet体育登陆地址,888真人集团国际网站,皇冠2最新网址。

  12月23日,​88年，不敢忘，不能忘！这是南京城沦陷前后影像,黄建生告诉记者，自己也是刘院村人，其任村支书期间，“上级政府从没有安排注册个体工商户的工作；我作为村支书从没拿老百姓的身份去工商部门做这样的事；我也从来没有安排下属或干部去办这个事儿。”,澳门游戏官网平台,彩票快三在线,博鱼登录入口。

  时事3：永利网怎么下载

  12月23日,“十四五”期间 我国数字孪生水利体系框架基本形成,首先，将帅搭班情况来看，该公司董事长、总裁任职情况也有新变化。担任董事长职务长达7年的房永斌于2024年底连任，这意味着其或将成为该公司发展史上首位任期超10年的董事长。另外，年满60周岁的总裁邓可今年也增加了两项新职责：合规、财务。,BG大游,MG真人官网买球,美高梅视讯平台。

  12月23日,健身场馆年龄限制一刀切 老年人健身遭遇“年龄歧视”,双方将继续就拉美和加勒比地区事务加强战略协作。双方希与拉美和加勒比地区有关国家及机制加强各领域合作，包括但不限于拉美和加勒比国家共同体（CELAC）、南方共同市场（MERCOSUR）、太平洋联盟（AP）、安第斯共同体（CAN）、美洲玻利瓦尔联盟（ALBA）、中美洲一体化体系（SICA）、加勒比共同体（CARICOM）等地区组织，以及联合国、二十国集团和金砖国家等国际组织。,皇冠菠菜,ca88,ope体育i官网。

  时事4：网上二八杠有赢钱的吗

  12月23日,黄河土右旗段出现流凌 监测预警立体防控,刘树林：男，1964年11月出生，曾任中国信达济南办事处高级经理、执行高级经理。2011年6月任信达财险山东分公司总经理、党委书记，2014年5月起任总公司副总裁、党委委员。2015年4月起任执行董事，2016年4月连选连任执行董事，2016年4月起任总裁。,游戏捕鱼达人千炮版,米乐m6是正规平台吗,od体育网页版。

  12月23日,重庆：大树“穿”上卡通外衣 萌趣十足暖意浓,2013年，王超从商务部调任外交部，出任外交部副部长，分管欧洲地区事务、翻译、档案和机关党务工作。,世界杯投注app碘fc3,tv,博彩app下载安装,尊龙最新登录首页。