猫眼电影记者 周英旭 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：宝马线上娱乐手机登录

  12月28日,国家创业投资引导基金启动运行,据了解，这轮高温以干热、暴晒、地温高为突出特点，并且一天当中高温持续的时间也长，大城市中，像是石家庄、济南、郑州等地甚至从10点持续到19点至20点，可谓“高温陪你上下班”。另外，从6月15日开始，济南高温将再度上演“连续剧”，尤其是下周初的最高气温甚至可达38℃左右，“炎”值不减，公众需密切留意临近预报，做好防暑降温工作。,梦幻国际棋牌真人美女发牌。

  12月28日,国际人士：高市错误言论严重威胁地区稳定,（观察者网讯）当地时间2月7日，在美国总统拜登向国会发表国情咨文演讲前，第一夫人人吉尔·拜登和第二先生道格拉斯·埃姆霍夫（副总统哈里斯的丈夫）互相亲吻问候的画面被拍下，引发美国舆论热议。,华体会娱乐体育首页,千亿官网网页版,新宝2游戏。

  时事2：澳门永利电子登录

  12月28日,第二十一届中国青少年发展论坛在中央团校举办,综合来看，北京人寿是一家站在十字路口的公司。它凭借灵活的策略和对市场机遇的把握，实现了财务数据的快速改善，但其可持续发展能力正面临多维度的考验。,kok投注官网,万人牛牛上下分版,线上信誉平台官网。

  12月28日,突发！外媒：“贝宁国家电视台被部分军人控制”,公告指出，圣元环保董事长朱煜煊、总经理朱恒冰、董事会秘书陈文钰未履行勤勉尽责义务，对违规行为负有主要责任。厦门证监局决定对公司及朱煜煊、朱恒冰、陈文钰三位高管采取出具警示函的监督管理措施，并将相关情况记入诚信档案。,炸金花游戏单机版,齐发国际官网下载,万豪会游戏平台。

  时事3：百佬汇娱乐城

  12月28日,香港特首李家超及多位官员参与立法会选举投票,沃罗比耶夫称，无人机袭击的目标可能是当地的民用基础设施，俄方并未遭到人员或财产损失，目前俄罗斯联邦安全局（FSB）和其他部门正在进行调查。,贝搏体育官网,彩6娱乐手机端,皇冠彩票注册平台。

  12月28日,美国青年赴广西南宁交流：传承飞虎队精神 体验中国文化,近日，国任保险股东大会上再现6.01亿股反对票，且今年以来的所有股东大会上均有反对声音。该笔股权数目对应了国任保险二股东联美量子的持股比例。,永利体育网址,365 bet 地址,德州棋牌。

  时事4：国际澳门赌盘

  12月28日,借款协议岂能约定“结婚时还钱”,报道还提到，美国国务院负责东亚和太平洋事务的助理国务卿克里滕布林克上周表示，在美国驻所罗门群岛大使馆关闭30年后，华盛顿今年重新将其开放。他还表示，美国还在继续与瓦努阿图和基里巴斯接触，讨论在这两个南太平洋岛国开设新大使馆的计划。,MG真人在线登录,真人平台,网上ag真人手机版app在线。

  12月28日,中国体育部门与国际奥委会开展运动与健康合作,随着上市公司运用CVC模式的能力越来越成熟，对于一级市场的影响无疑将进一步深入。,AG鸭游,正规网赌十大娱乐,电脑版捕鱼达人。