猫眼电影记者 波罗 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：金沙官网传媒

  12月27日,【好评中国】一如既“网”展精品，持续激发正能量,其一，当前全球黄金储备高度集中于美英的格局可归于历史路径依赖。,火狐体育下载。

  12月27日,广西大瑶山国家级自然保护区植物科考野外调查收官,特朗普在 4 月的演讲中称：“就业岗位与工厂将大量回流美国，而且你们已经能看到这一切正在发生。”,开yun体育官方app下载,买球规则开户,皇冠体育手机在线观看。

  时事2：英亚体育欢迎

  12月27日,“十四五”期间长三角铁路中欧班列开行量年均增长7%,“中国始终恪守国际法基本原则和国际关系基本准则，坚持维护世界和平，促进共同发展，致力于推动构建人类命运共同体，在和平共处五项原则基础上同各国发展友好合作。”他说。,和记娱乐入口,波胆比分官网,皇冠体育免费下载。

  12月27日,2025大湾区科学论坛举行 顶尖院士勾勒未来图景,双方为应对气候变化采取措施，重申恪守《联合国气候变化框架公约》及其《巴黎协定》目标、原则和制度框架，特别是共同但有区别的责任原则。双方强调，发达国家为发展中国家提供的资金支持对减缓全球平均气温增长、适应全球气候变化负面影响至关重要。双方反对以应对气候变化为由设置贸易壁垒和将气候议题同国际和平安全威胁挂钩。,e星体育平台官网下载,ag8登陆,亿德体育登录入口。

  时事3：世界杯2020买球网站

  12月27日,新版中俄双边投资协定于12月1日正式生效,一家中西部农商行个金部负责人向耿勇坦言，“自己近日一直睡不好觉。”2025年上半年，一年期存款利率跌破2%后，这家农商行的个人存款流失额达到零售存款总额的6%，导致他们年底揽存压力特别大。尽管近期这家农商行推出“存款送礼品”活动，但面对一年期存款利率跌至1.7%，当地居民的热情依然不高。,沙巴体育欢迎注册,广州足球网,金陵唐人游。

  12月27日,特奥举重台上的“母亲”教练,美国、英国、澳大利亚三国政府于2021年9月宣布建立三边安全伙伴关系“澳英美联盟”，美英将帮助澳海军建立核潜艇部队，在澳建造8艘核潜艇。一些国际军备控制专家指出，美英帮助澳大利亚建核潜艇存在核材料和核技术扩散风险，将冲击全球核不扩散机制。,手机电玩捕鱼下分游戏,美高梅手机版游戏app,万博手机版官网下载。

  时事4：球天下

  12月27日,【滔滔两岸潮】台商杨登辉：跨越海峡的创业之路 不断推动两岸青年交流,公权私用破了底线，违规决策踩了红线，收受贿赂碰了高压线，靳东亲清不分，甘于被“围猎”，把手中的权力变成了谋取私利的工具。贪欲之门打开了，贪腐的步子迈出了，在给地方政治生态、营商环境造成严重影响的同时，靳东自己也在追逐“钱途”中泥泞不堪。,bobty体育入口,百老汇手机软件大全,优德体育。

  12月27日,香港财政司司长：新一年度财政预算案即将展开公众咨询,出于安全考量，欧盟以及乌克兰官方至今没有披露泽连斯基访问的具体行程。一星期前，多名欧盟领导人到访乌克兰，泽连斯基在会晤中再次呼吁加快吸纳乌克兰加入欧盟的进程。,足球直播吧,od体育打不开,澳门真人官网游戏。