猫眼电影记者 刘闪 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1：百丽宫网址谁有讨论

  12月27日,信号兵：我们必须像雷达一样，时刻保持警觉,美国11月通胀意外降温，但大多数华尔街分析人士对《财经》指出，数据可能受到政府停摆的影响而失真。此前由于政府停摆，10月CPI（消费者物价指数）数据被取消发布。美国劳工部雇员为本月发布的数据所无法获得的变通方法和缺失数据，可能已导致数据向下倾斜。对于一些价格指数，美国劳工统计局使用了非调查数据进行指数计算。,八方体育娱乐。

  12月27日,湖南新田警方助失散45年母女团聚,在正式出舱前，航天员在轨完成了多次出舱活动演练，本次出舱将是“圆梦乘组”的首次出舱任务，也是中国空间站建成后的首次出舱任务。接续梦想，矢志飞天，让我们一起期待属于中国载人航天与“圆梦乘组”的精彩时刻。,2018欧洲杯冠军决赛,九州体育最新登录页面,永利皇宫手机网址。

  时事2：银河国际下载app下载

  12月27日,中国西南地区青铜文明特展在广西南宁启幕,对于“中国航天器到底是什么”，“战区”栏目称，中国的航天器往往认为类似于美国太空部队的两架X-37B小型航天飞机，两者有许多相同能力。X-37b被认为具有极高的轨道机动性，并且至少可以从中央舱部署有效载荷，或者从附加到其机身后部的辅助载荷舱在轨道部署载荷。多年来，关于X-37B潜在的太空军事能力一直有很多猜测，现在它由一个负责执行“轨道战”的单位控制。,芒果体育平台,杏耀网页版地址,网上买球平台推荐。

  12月27日,《隔山对话—中尼唐卡精品集》新书在北京发布,从发展历程来看，经过多次股权调整，原先大股东大部分股权转让给当地国资，该公司也从信达财险更名为国任保险，成为地方金融平台。,最新博彩论坛大全,银河国际城手机版,BET九州官网。

  时事3：贝博体育平台官网登录

  12月27日,报告：中国消费市场展望乐观，中高收入群体扩大成核心驱动力,据可查的资料显示，信达财险（国任保险前身）成立于2009年，注册资本10亿元，由13家大型国有企业共同发起设立，这些股东分属不同的行业，包括资管、煤业、财务、纺织、汽车等，彼时的股权占比较为分散，而该公司初始大股东为中国信达资产管理公司（后更名为中国信达资产管理股份有限公司，以下均简称“中国信达”）。,威尼斯人手机网址,新必威官网,ob体育官网app下载。

  12月27日,香港跨年倒数活动将上演“新希望、新开始”主题光影表演,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。,看世界杯买球怎么买的,龙腾国际登陆,澳门皇冠裸体赌场。

  时事4：可赢钱的游戏

  12月27日,交通运输部：预计今年中国跨区域人员流动量超660亿人次,西安咸阳机场T5，与北京大兴机场、成都天府机场航站楼面积相当。三座机场中规模最小的兰州中川机场T3，面积也相当于上海虹桥机场两座航站楼之和。,世界杯体育平台,沙巴体育足球官方网站,亚美在线平台。

  12月27日,千余名越野爱好者冬日赴锡林郭勒草原竞技,公司前身是武汉人福高科技产业股份有限公司，成立于1993年，经过多年发展，已成为集医药研发、生产、销售于一体的综合性医药企业。,乐鱼vip登录,乐动体育登录网址,赢了可以提现的游戏。