猫眼电影记者 费德尔 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：新世纪在线开户

  12月26日,8年超3000亿千瓦时 雁淮直流为长三角注入“绿色动能”,处在低谷中的中国足球，依然不缺少关注度。伊万显然对媒体阵仗也有些吃惊，赛前新闻发布会走向桌子的过程中，他只顾看望发布厅内一百多名记者，结果脚下有些绊蒜，一个踉跄后所幸稳住了脚步。,乐鱼买球。

  12月26日,海南自由贸易港今天启动全岛封关 企业、居民、旅客都能享受红利,“佛山大学”的诞生，意味着继广州、汕头、深圳之后，佛山也终于如愿拥有了以城市命名的大学。同时“升本更名”成功的肇庆医专，则成为广东目前唯一一所以“医学院”命名的高校，也是继湛江的广东医科大学之后，非广州地区又一所医学本科高校。,世界杯怎样买球必赚,手机摇钱树捕鱼,冠通游戏官网。

  时事2：鸿博国际app

  12月26日,宝藏之城丨这座小城温暖冬天,5月10日，中新（西兰）两军在西安举行第11次战略对话。双方围绕共同关心的国际和地区问题坦诚交换意见，表达了共同致力于推动两军交流合作的积极意愿，增进了相互了解和信任。,葡京体育手机APP,足球大小球分析软件,葡京信誉盘。

  12月26日,宋庆龄和平天使艺术团2026新年音乐会落幕,冯波表示，以套内面积计价，一方面，让购房人对购房成本更直观。因为建筑面积含了公摊面积，较使用面积大，而套内面积与实际使用面积比较接近或者可能还小于使用面积。另一方面，有利于预售商品房面积差异处理。按照《商品房销售管理办法》，商品房买卖合同未作约定的，按以下原则处理：面积误差比绝对值在3%以内（含3%）的，据实结算房价款；面积误差比绝对值超出3%时，买受人有权退房。,澳门九五至尊线上,单机棋牌游戏大全,大发黄金版手机版下载。

  时事3：澳门永利注册送55

  12月26日,明年起水银体温计全面禁产：红外耳温计是否存在误差 该如何正确使用,央行购金的战略诉求和购金渠道的多元性客观上增加了央行购金数据的跟踪难度。,足球现场直播,vwin体育官网,ag亚游电游。

  12月26日,重庆武隆白马山首次发现国家一级保护野生动物林麝,“市场现时已慢慢出现回暖的气象，交易量有回升趋势，24日市场成交额达到1，300亿港元。”史美伦表示，在被问到其任内恒指及新股市场表现均低迷，史美伦指，对市场营运者及监管者而言，指数波动是市场运作常态，至于新股市场疲弱则是近年各交易所都面对的共同挑战，主因是息口高企令投资者却步，而并非缺乏企业来港上市。,真钱赌地址下载,千赢游戏大厅官网入口,188比分在线。

  时事4：十大赌博app平台

  12月26日,轻舟货运飞船初样件已完成多项关键技术验证：中国空间站将迎来 “商业化货运”时代,赛后球队上下的情绪，多少也有些凄凉，赛后队长王大雷在场边接受央视记者王涛采访的时候几乎就要流泪。王涛透露，“看到他眼中泪水打转，虽是一场平局，但作为一名老将他可能很明白意味着什么。”,乐鱼体育平台登录,pg电子游戏试玩版,w66平台。

  12月26日,关注俄乌冲突·俄总统新闻秘书表示：俄方需要了解美乌会谈结果,在梁启东看来，对于山东和辽宁来说，都需要跳出地域限制，克服“半岛意识”，打通直连跨海通道，打开面向东北亚的发展空间。山东和辽宁，位置相邻，发展互补性强，在东北全面振兴战略中，两地加强全面合作，可以迎来更多机遇。,杏耀官方下载网站,365体育的网址多少,js娱乐官方网。