猫眼电影记者 莫里纳瑞 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：老虎机在线大厅

  12月28日,北京三条地铁新线串联跨年“京彩”旅程,一位中部地区农商行零售业务部主管李卓感慨“揽存好难”。受2025年两次下调各期限存款利率的影响，如今他所在银行的一年期零售存款利率回落至1.75%，于是当地居民转而购买较高收益率的理财产品，导致该行年内新增零售存款较去年同比减少逾30%。,188开户。

  12月28日,上海发布5起不履行个人信息保护义务的典型案例,江西省委常委会、司法部党组召开会议：坚决拥护对唐一军审查调查,百姓彩票登录平台,皇冠app安卓系统,同城游斗牛规则。

  时事2：皇冠365安卓下载

  12月28日,从“楼宇孤岛”到“青春网格” 山西晋城激活新兴青年力量,报道称，林芳正在采访中强调了日本“严峻而复杂”的地区安全环境，声称除了俄乌冲突之外，东京还在应对拥有核武器的朝鲜以及崛起的中国。但林芳正辩称，可能开设的联络处“不针对特定国家”，“这不是为了传递什么信息”。,新火大时代娱乐平台登录,世界杯球票购买app,凯时国际娱乐网址。

  12月28日,山西临汾：黄河古贤水利枢纽工程导流洞顺利贯通,巴西当地时间 12 月 22 日晚 10 点 13 分（格林尼治标准时间 23 日凌晨 1 点 13 分），韩国卫星发射企业 Innospace 在巴西阿尔坎塔拉航天中心发射其首枚商业火箭 HANBIT - Nano，这是该公司与巴西航天事业的重要里程碑式尝试，最终却以火箭坠毁告终。此次发射也是巴西阿尔坎塔拉航天中心的首次商业火箭发射。,明升体育,世界杯竞猜手机投注,寰宇游戏官网网址。

  时事3：金苹果娱乐网站网址

  12月28日,海浪蓝色警报 辽宁、山东、福建近岸海域将有中到大浪,从产业发展趋势看。绿色低碳是大势所趋，随着全球绿色转型，对新能源产品的需求将持续扩大。据国际能源署研究，为实现碳中和目标，2030年全球新能源汽车销量需要达到约4500万辆，是2023年全球销量的3倍多，远超目前全球供给能力。同时，新能源领域技术产品更新迭代加快，还将不断创造新需求。,亚星官方网登录,国际音标真人口型图,手机上下分捕鱼游戏是真的吗。

  12月28日,全盲“女飞人”残特奥会加冕“三冠”：一条引跑绳 两颗冠军心,要如何平衡债务增长与债务风险？对此，研究团队从总量视角与结构视角分别进行了分析，并提出建议。,有没有谁有澳门永利网址,fun88纽卡合同,篮球即时比分。

  时事4：天豪棋牌苹果版

  12月28日,特奥会田径贵州队选手周武双斩获5枚金牌,作为国内在端侧智能领域布局最早的大模型厂商，面壁构建起完善的理论体系与模型产品谱系，MiniCPM 面壁小钢炮端侧模型已在汽车、手机、PC 及智能家居等多个领域实现规模化落地，与吉利、长安、大众、华为等多家知名企业达成深度合作，端侧大模型的商业化进程走在行业前列。,买球app网易,真钱国际网址,永利皇宫手机版官网。

  12月28日,“锁座乱象”如何破 多家航空公司正在研究,今天，多只科技股成交额突破百亿元。截至收盘，中际旭创成交额为144.98亿元，居A股个股成交额第一名；新易盛、工业富联成交额均超130亿元；中国卫星、胜宏科技、寒武纪-U成交额超120亿元。,ca88手机版客户端,英亚体育官方登录,足球手机投注网址。