猫眼电影记者 李环宇 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：澳门新濠博亚官网

  12月23日,宁波舟山港年集装箱吞吐量首破4000万标箱,“岛屿涉及海洋权益，不管日本是怎么测出了这么多岛屿，但既然宣布拥有这么多岛屿，很可能今后日本与周边国家的领土纷争会更多。”北京大学海洋战略研究中心主任胡波3日在接受《环球时报》记者采访时指出，日本声称一下子多出7000多个“岛屿”，“这很难从技术方面去合理解释”。,365bet体育在线投注官。

  12月23日,白皮书显示上海2024年金融科技产业规模约为4405亿元人民币,面对行业转型，北京人寿提出了颇具前瞻性的“保险+康养”双轮驱动战略，并推出了“首善人家”服务品牌，试图构建“医、康、养、保”生态体系。公司通过轻资产合作模式，快速挂牌了多家康养机构，并推出旅居卡等产品，取得了一定的保费带动效果。这一战略瞄准了老龄化社会的巨大需求，方向正确。,沙巴体育手机登录,澳门至尊官网游戏平台,凯时娱乐官网。

  时事2：免费pg电子游戏2023

  12月23日,宁波舟山港年集装箱吞吐量首破4000万标箱,证券日报网讯 12月23日，老百姓发布公告称，截至本公告披露日，公司对外担保总额9.8亿元，占公司最近一期经审计净资产的比例为13.69%，公司对外担保余额为4.4亿元（含本次担保），上述对外担保总额全部为公司对合并报表范围内子公司提供的担保，公司不存在对控股股东和实际控制人及其关联人提供担保情况，也不存在逾期对外担保情况。,手机赌场线上,威尼斯人手机版,12bet官网。

  12月23日,中国乒协：将进一步完善运动员健康保障与伤病预防机制,李强还提到，要用好我国大市场、大工程、大应用等独特优势，支持企业加大研发投入、加快技术积累和迭代，积极参与标准制定，创建优质品牌，在市场竞争中接受检验、赢得主动。,奔驰宝马在线娱乐,太阳城电子网投,乐竞体育app。

  时事3：注册送十元斗地主

  12月23日,【好评中国】让奋斗的声音被听见，让奋进的故事被看见,2024年，西安机场旅客吞吐量4703.04万人次，排名全国第11位；乌鲁木齐机场旅客吞吐量2776.57万人次，排名全国第18位。西安去年GDP为13317.78亿元，排名全国第21位；乌鲁木齐去年GDP仅为4502.16亿元，排名全国第74位。,澳门萄京,博狗官方网站,星力正版游戏。

  12月23日,海南自贸港封关 琼州海峡客货运量呈增长态势,双方认为，各国均有权根据本国国情和人民意愿，自主选择发展模式和政治、经济、社会制度，反对干涉主权国家内政，反对没有国际法依据、未经安理会授权的单边制裁和“长臂管辖”，反对以意识形态划线。双方指出，新殖民主义和霸权主义完全违背了当今时代潮流，呼吁开展平等对话、发展伙伴关系，推动文明交流互鉴。,皇冠体育生活app下载,新蒲京娱乐平台,ysb体育官网。

  时事4：新宝6下载安装

  12月23日,实拍高原上的“较量”：雪豹捕猎岩羊不料结局反转 雪豹“懵圈”,去年，民航局、国家发改委联合发文《关于推进国际航空枢纽建设的指导意见》，画出国际航空枢纽的蓝图，提出“3+7+N”国际航空枢纽功能体系。,世界杯足球网,牛派救世报,完美竞技官网网址。

  12月23日,【好评中国】“稳+进”动能不断释放，中国经济大船破浪前行,双方认为，在上海合作组织框架内开展合作是加强两国全面战略协作伙伴关系的重要方向。双方将继续协作努力，把上海合作组织打造成具有权威性和影响力的多边组织，使其在构建新的公正稳定的多极化国际格局中发挥更大作用。,BOB官方网站,贝博网站app登录入口,乐鱼官方app。