猫眼电影记者 习友 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1：二八杠扑克牌规则

  12月26日,2026澳网亚太区外卡赛落幕 布云朝克特收获男单外卡,6月15日白天，安阳东部、濮阳、新乡、焦作、洛阳东部、郑州、开封、商丘、平顶山、许昌、漯河、周口、南阳、驻马店、信阳大部最高气温将升至37℃以上，其中漯河南部、周口南部、驻马店部分县市最高气温将升至40℃以上。请注意防范。上述地区的相邻县市（区）也需关注。,717银娱geg优越会。

  12月26日,羽超联赛苏州站：“升班马”辽宁极兔队跃升首位,此外，互联互通机制成交量持续上升，沪股通、深股通以及债券通的成交量均大幅增加，其中债券通成交量更创下季度新高。中国证监会近期宣布了多项支持香港资本市场发展的举措，包括扩大沪深港通下合资格ETF范围、将房地产投资信托基金纳入沪深港通、支持人民币股票交易柜台纳入港股通、支持内地行业龙头企业来香港上市等，这些举措将进一步提升香港资本市场的吸引力。,最新星际平台,168官网买球,新濠天地手机版注册平台。

  时事2：二十一点5小龙

  12月26日,统计机构预计法国2025年经济增长0.9%,从眼下来看，郑州的“花式氪金”释放出哪些新的信号？又将如何走向真正的文旅强市？,世界杯体育开户网,世界十大赌场网站,美高梅游戏怎么下分。

  12月26日,上海公安交管部门加推11项车驾管业务 提升服务便民化水平,值得注意的是，这些关联交易都是在当代集团的要求和安排下进行的。更严重的是，人福医药在2020年年度报告中，完全遗漏了控股股东非经营性资金占用的信息，导致该年度报告存在重大遗漏。,宝马会足球,九游会小金库钱包卖币,亚盈体育网址。

  时事3：华体会游戏竞彩

  12月26日,12月18日：“农产品批发价格200指数”比昨天下降0.02个点,“我们强烈呼吁欧委会严格遵守世贸组织和欧盟反补贴相关规则，保持客观、公正、透明，尽早纠正错误认定并终止调查，共同促进中欧汽车产业共融互通，维护中欧经贸合作大局，实现全球绿色可持续发展目标。”作为本次调查的行业抗辩方的中国机电商会表示，将在前期工作基础上，进一步通过各种手段坚决捍卫中国电动汽车企业合法权益。,利记官网app下载,真人登录国际,世界杯竞猜网站推荐。

  12月26日,预防流感要做到的5件事,12月15日，浙商银行召开专题党委会，党委书记、董事长（拟任）、行长陈海强主持会议并在讲话中提出三点要求：,直营网赌游戏,凤凰娱乐新域名是多少,真钱信用赌城。

  时事4：888真人app官方

  12月26日,借力“十五冬” 辽宁冰雪“冷资源”释放“热效应”,财政部、中国人民银行定于2025年12月26日上午9：50至10：20，通过中国人民银行中央国库现金管理商业银行定期存款业务系统进行2025年中央国库现金管理商业银行定期存款（十四期）招投标。本期操作量600亿元，期限14天，起息日为2025年12月26日，到期日为2026年1月9日（遇节假日顺延），以利率招标、多重价位中标方式面向中央国库现金管理商业银行定期存款业务参与银行进行招投标。,世界杯赌球在哪里下注,转盘,b体育网页版 必一。

  12月26日,稳中求进、提质增效 明年宏观政策如何发力？专家解读,张先生告诉《环球时报》记者，近年来走入网球馆和网球场的人越来越多，这一现象在郑钦文夺冠后更加明显，其中尤以青少年人群为多。,尊龙下载地址,优博可靠吗,澳门电子网站大全。