猫眼电影记者 曹淑彦 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：bob综合体育官网入口官方在线

  12月23日,坚决防范隐患排查“走过场”！多地开展拉网式排查,近日，神州控股(00861.HK)旗下神州一诺成功中标签约上海仪电(集团)有限公司(以下简称“上海仪电”)的千万级数据中心搬迁集成服务项目。这是继今年6月神州一诺中标上海仪电智算基础设施服务项目后，双方在短期内达成的又一次重要合作。此次连续中标，不仅体现了上海仪电对神州一诺在“算力再造”领域技术实力与服务品质的充分信任，也标志着双方的合作关系在前期成功合作的基础上得到了进一步巩固与深化。,雷速体育下载2022。

  12月23日,首届贺兰山东麓山地自行车挑战赛在西夏陵景区举行,受国际环境及产业转移等因素影响，富士康在河南的手机产量下降，导致进出口大幅下滑。根据郑州海关数据，2023年一季度，河南全省出口手机1688万台，而2024年同期仅有664万台，减少上千万台。手机出口金额也从2023年一季度711亿元，下降至2024年一季度272亿元。,注册送38元游戏,分分彩app下载,天博电子游戏。

  时事2：立博官网

  12月23日,宁夏百岁老党员践行大爱逝后捐献遗体,2025年10月31日，国家金融监督管理总局北京监管局的一纸罚单，为北京人寿看似稳健的经营蒙上了一层阴影。行政处罚信息公开表显示，北京人寿因“个别投资资产风险分类不准确、内控管理不到位”被给予警告并罚款26万元，时任资产管理中心总经理、职工监事晋小江被警告并罚款5万元。,天博体育官方版下载,皇宫电子登录,足球外围网站有哪些。

  12月23日,北京交通大学雄安校区建设一期B组团项目全面封顶,这意味着，2026年开始，全球锂行业的新增产能会越来越少，供给更多将依赖于在产项目，整体供给增速很可能会环比下降，供给端边际改善的确定性较强。,世界杯竞猜下注app,打鱼注册送分20元,十大体育平台网址。

  时事3：体球网新版手机即时比分

  12月23日,香港大埔火灾已致151死 调查指有人混用未达阻燃标准保护网,数据显示，目前鸿蒙5和鸿蒙6终端设备数突破3200万，用户规模稳步攀升，显示出用户对鸿蒙操作系统从“可用”迈向“好用”的认可；另外，鸿蒙生态已有超30万应用与元服务，不仅头部应用全面适配，中长尾应用也正在加速覆盖，全面融入用户生活的每一个场景。这些数字背后，是万千开发者与用户共同托举的成果，鸿蒙已经在生态规模与用户体验上实现双重跃迁。,爱博平台首页,扎金花斗牛房卡棋牌,365bet体育外围开户注册。

  12月23日,青海西宁：发挥窗口作用 讲好民族团结故事,而且在国泰之前，南航和乌鲁木齐航空已经开通了香港航线。相当于香港也不是乌鲁木齐的新航点。,国际音标真人,皇冠体育官网,官方银河国际备用下载。

  时事4：澳门百老汇网络平台

  12月23日,国台办：要求美方立即停止“武装台湾”,渤海湾沿岸是我国沿海重要经济中心之一。2023年，渤海湾两侧的山东和辽宁，GDP分别为9.2万亿元和3万亿元，总量在北方省份中居于第一梯队；而烟台和大连GDP分别为1.02万亿元和8752.9亿元。2023年，烟台首度跻身“万亿GDP”城市。,类似万博的平台,AG俱乐部有哪些游戏,钱柜体育。

  12月23日,庆祝民进成立80周年文艺演出在京举行,久期财经讯，12月22日，万科企业股份有限公司(简称“万科企业”，02202.HK)发布关于万科企业股份有限公司 2022 年度第四期中期票据延长宽限期及宽限期内本息偿付安排的公告。,ag真人app游戏,捷报即时比,尊龙官网免费下载安装。