猫眼电影记者 吕良伟 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：玩什么游戏赚钱快

  12月28日,重庆：近80幅美术作品亮相 展示中国传统山居哲学与现代人居环境,中国、沙特、伊朗三方联合声明显示，沙特和伊朗代表团3月6日至10日在北京举行会谈。会谈时间满打满算，一共5天。,世界杯怎么买球_百度经验。

  12月28日,菲律宾否认澳海滩枪击案嫌疑人曾在菲接受军事训练,通报显示，钟自然丧失理想信念，背弃初心使命，对党不忠诚不老实，对抗组织审查，不信马列信鬼神，搞迷信活动；,威尼斯人正网官网,球探比分足球,365体育直播平台。

  时事2：重庆国际搏击真人秀

  12月28日,暖气环境容易流鼻血？做好这几点轻松护鼻腔,为提高全人类健康水平，双方继续就全球卫生问题开展密切协作，包括支持世界卫生组织发挥作用及反对将其工作政治化。,姜子牙神算B,银河游戏直营,乐鱼苹果下载。

  12月28日,上海二手车国际贸易综合服务平台启动,“中国+中亚五国”元首会晤机制的建立无疑具有突破性意义，中国与中亚的合作必将在现有的高位上提质升级。,凯发真人手机版,澳门线上电子网,金沙网上网站。

  时事3：贝博app体育官网

  12月28日,加纳总统：中国始终是非洲真正的朋友,欧委会发布信息后，被抽样选中调查的三家车企中，上汽集团率先回应，“对欧委会的决定深感失望，相关措施不仅违背了市场经济原则和国际贸易规则，甚至可能对全球汽车产业链的稳定和中欧经贸合作产生较大不利影响。”企业殷切期望欧盟能够认真倾听中、德两国汽车企业的呼声，坚决避免人为设置新能源汽车贸易壁垒，切实维护公平竞争的市场环境。,亚娱外围官网,美高梅在线网投,澳门靠谱电子游戏网站。

  12月28日,韩国前情报司令官因非法获取人员信息案获刑2年,不过眼下，郑州正借势郑州比亚迪工厂、郑州上汽乘用车二期等项目，逐步将新能源汽车培育成下一个引擎。不论对工业经济增长，还是外贸发展而言，新能源汽车产业都将成为郑州“转身”的一个关键变量。,真人国际象棋游戏下载手机版,英皇娱乐网投平台,凤凰彩票怎么开户。

  时事4：新万博代理

  12月28日,上海二手车国际贸易综合服务平台启动,2、货币政策超预期：货币政策是市场流动性的重要影响因素，央行采取超预期的货币政策可能对市场流动性产生显著影响。,磨丁黄金城赌场,新加坡娱乐网址官方网站,海立方注册官网。

  12月28日,世界羽联总决赛：中国台北组合小组赛落败,海默尼药业药品研发中心负责人冯秀梅博士则围绕新周期下创新药的BD情况进行了分享，结合自身实践案例，回顾了国内创新药BD的历史和变化，并就创新药BD的项目筛选、项目尽调评估、交易方式等进行专业分享，为在场企业提供了面向国际化 2.0 阶段的策略参考。,注册送99元现金的捕鱼游戏,积分斗地主苹果版,世界杯比分网站。