猫眼电影记者 毛伟韬 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：博狗体育开户平台

  12月26日,12月9日人民币对美元中间价报7.0773元 下调9个基点,据史美伦近日在一期视频节目中自述，她于2001年到中国证监会任职时，内地市场仍在发展初期，一切还刚起步。正因如此，她着手引入各种有关上市公司的规定，例如设立独立董事制度——她深信市场要维持正常有序的制作，必须要具备良好的企业管治，而董事会成员多元化，便是良好企业管制的重要一环。,九州体育bet备用。

  12月26日,热门地区出境机票预订量增长超四成,通过天眼查查询，汪绪金、张青莲、汪文燕的营业执照，分别登记于2011年8月、2012年6月1日。,篮球赔率,棋牌走兽飞禽,九州体育开户。

  时事2：必威体育下载

  12月26日,业界专家共话健康管理 从“病有所医”到“健有所管”,这样的创新并非个例。鸿蒙版同程旅行App商务负责人王志强举了一个导航去酒店的案例，以前通常的操作是，用户先预定酒店，再到车机地图中搜索酒店地址，最后才能进行导航；而在鸿蒙生态中，用户只需要摇一摇手机或者与车机碰一碰，酒店地址就流转到了车机上，可以直接一键发起导航。真正实现了“服务随人而动、体验跨端连贯”，这正是鸿蒙“万物互联”理念在日常场景中的生动落地。,LEG棋牌,m8米博体育有谁玩过,角球比分网。

  12月26日,航拍初冬日照：金沙碧海彩叶绘景,发射失败后，Innospace 在韩国上市的股票午盘暴跌约 24%，创下 8 月以来最大单日跌幅。,大奖888,美高梅手机版下载,送38金币棋牌。

  时事3：皇冠注册账号

  12月26日,冬日梧桐色彩斑斓扮靓重庆街景,3月10日，一个大消息震惊全球。沙特阿拉伯与伊朗这对“海湾双雄”断交7年后同意恢复关系，达成协议的地点是在北京。,365bet正规站,足球客户端,赢真钱的游戏。

  12月26日,司法部负责人就《行政执法监督条例》答记者问,瑞银全球财富管理在本月发布的一份报告中，将中国科技板块评为 “最具吸引力” 标的。报告指出，投资者寻求地域多元化配置，加之中国 “强劲的政策支持、技术自主战略推进以及人工智能商业化进程提速”，共同推动了该板块的投资价值。,华体汇体育app官方网站,正版的炸金花,必发网址线路。

  时事4：亿博体育下载

  12月26日,【同心声影】统一战线成员缅怀历史：凝聚人心传递和平信念力量,五里河体育场多年前已经整体拆除，如今昔日体育场已经变成了住宅小区，而国足出线后特地给球员铸造的铜像，则被集体移至一公里左右的沈阳少年宫外面的草坪中。中泰之战前，还有不少媒体记者相约来到铜像前打卡留念。,沙巴体育即时,线上下注平台,beplay入口。

  12月26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,据港媒此前报道，世界冰球锦标赛第三级别比赛2月28日在波黑举行，香港男子队分组赛出战伊朗队，并最终以11比1胜出。不过赛后播放国歌时，大会错播“修例风波”时的“黑暴”歌曲，时间约10秒。球赛视频显示，香港运动员按照中国香港体育协会暨奥林匹克委员会颁发的指引，做出“T”字手势叫停，有队员上前向赛会反映，大会随后道歉，并播出正确的中国国歌。,注册彩票送12元,世界杯开户网金斗,澳博国际下载。