猫眼电影记者 赵杰 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1：8008app官网

  12月25日,南京大屠杀和731部队罪行再添新证,BBC称，如果这架无人机真的属于乌克兰，这将是自俄乌冲突爆发以来，乌克兰对俄罗斯发动的一系列袭击中，距离俄首都莫斯科最近的一次，但乌克兰方面并未公开承认这架无人机与自己有关。,bob综合体育app下载4.0。

  12月25日,中国选手首夺霹雳舞世锦赛冠军,这些操作层面的障碍可能导致开发商在施工期间受阻，进而触发导致租约终止的延误条款。数据中心运营商Applied Digital的首席执行官Wes Cummins警告称，预计会有许多项目在实际交付环节出现问题。他指出：,乐鱼彩票官网查询,北流国际大酒店真人cs,线上网赌官网app。

  时事2：梦幻国际真人视频

  12月25日,沈阳“九·一八”历史博物馆公祭悼念南京大屠杀死难者,据史美伦近日在一期视频节目中自述，她于2001年到中国证监会任职时，内地市场仍在发展初期，一切还刚起步。正因如此，她着手引入各种有关上市公司的规定，例如设立独立董事制度——她深信市场要维持正常有序的制作，必须要具备良好的企业管治，而董事会成员多元化，便是良好企业管制的重要一环。,牛宝体育登录入口,沙巴快速注册,百姓彩神app。

  12月25日,原创作品搬上课堂 北京校园廉洁文化建设系列展示活动举办,习近平 弗·弗·普京,168体育平台介绍,万博的官方网站是什么,新濠天地网页登陆。

  时事3：日博体育官网备用网址

  12月25日,（文化中国行）以网络文学书写非遗 用青春力量传承传播,靳东在基层奋斗了11年后，33岁开始担任县级领导干部，40岁时成了县政府“一把手”，是大家谈论和羡慕的对象。,bt体育平台,新宝gg网投平台,德州牛仔概率。

  12月25日,25年收集9000余册“影卷”：杨明忠希望皮影唱本“活”起来,海外网4月20日电 据台湾“东森新闻”、“TVBS”等媒体报道，因受到锋面接近影响，台湾岛内北部与中部地区出现雷雨天气，19日晚间，台北知名地标101大楼也遭雷击，有台网友拍下罕见瞬间画面。,下载炸金花APP,百老汇app安卓版下载,聚富。

  时事4：欧洲杯2020年在哪里

  12月25日,广西昭平官方回应八旬老人住山洞事件：已妥善安排其生活,4月24日业绩发布会后会见传媒时，史美伦说道，过去六年外围环境、国际经济及地缘政治均充满挑战，任期内与团队经历磨练，接受挑战并走出困境，认为香港及港交所“背靠祖国、联通世界”的定位及基础不会变，她在任期间集团对国际化投入不少，寄语未来要继续国际化发展。,im体育注册彩金,天天玩电玩城官网,raybet雷竞技官网下载。

  12月25日,浙江义乌首创商会退出机制 制度化探索获全国推广,供给收缩、需求扩张之下，原本持续压制锂价的库存压力缓解明显，行业供需关系随之得到显著改善。,国标麻将,皇冠体育平台,杏耀平台下载。