猫眼电影记者 黄延强 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：大奖娱乐网址

  12月23日,澳门俩跳远小将携手特奥摘牌：从跳出第一米到更远的未来,据统计，今年一至四季度，国内电池级碳酸锂季度均价分别为7.58万元/吨、6.52万元/吨、7.3万元/吨、8.44万元/吨。,亚博怎么注册。

  12月23日,首飞高原机场！东航C919国产大飞机执飞上海至兰州定期航线,决心虽坚，但挑战也不小。中信建投面临的首要问题就是缺少鸿蒙开发人才，而鸿蒙团队也迅速响应、提供了诸多支持，为中信建投开发团队组织专项培训，帮助他们用时三个月就推出了首个Beta版本，跑出了传统金融业拥抱新生态的“鸿蒙速度”。,leyu乐鱼官方下载,云顶娱乐手机网页版登录,沙巴足球官网。

  时事2：新万博代理平台地址

  12月23日,以美食为桥促文化交流 国际小吃创意大赛亮相福建沙县,CBU购买黄金时，向经济注入大量乌兹别克苏姆，为了减轻这种流动性投放，CBU在2018年采取了中立原则，即通过当地货币交易所出售外汇来抵消其黄金购买。,kok官网登陆,best365手机官方,注册就送50元。

  12月23日,美国青年赴广西南宁交流：传承飞虎队精神 体验中国文化,第三，跨生态协同能力，整合“租赁+服务”的生态能力也非常关键。,安卓现金斗牛,威尼斯人充值中心,真钱彩网。

  时事3：世界杯去哪里买球啊

  12月23日,《大运河随想》古琴专场音乐会在京上演,她表示，每一次生产力迭代都催生工业革命，当下布局新质生产力，核心是应对市场环境挑战：通过降本增效，以最低成本实现最高收益。我们能做的，是在不可控的大环境中，聚焦可控的用户精细化运营——用AI赋能用户经营，最大化转化率，提升生产效率。,ag捕鱼王的打法,牛宝体育官网注册,手机云顶娱乐登录。

  12月23日,香港“大埔宏福苑援助基金”总额达到约36亿港元,唐家成又称，与国际交易所同行相比，港交所的股票业务对收入贡献比较高，意味多元化发展的空间还很大，还有很多可大力开拓的新业务，但开拓新业务的同时一定要守住股市优势。,亚游平台登录,九游会官网,博狗体育官方。

  时事4：优信彩票首页下载

  12月23日,鄱阳湖跌破极枯水位 通江水体面积减九成,本试卷现代文阅读I提到，长久以来，人们只能看到月球固定朝向地球的一面，“嫦娥四号”探月任务揭开了月背的神秘面纱；随着“天问一号”飞离地球，航天人的目光又投向遥远的深空……,万博maxbet体育,皇冠官方app周润发代言,九万彩票平台下载。

  12月23日,外籍友人在沪参与献血 深度参与城市公益事业,他在 4 月称：“这些关税将为我们带来前所未有的经济增长，这一幕值得期待。”,AG亚洲国际游手机客户端,火狐平台app,趣味捕鱼达人新版。