猫眼电影记者 白延生 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：PG电子游戏备用网址

  12月25日,天津外国语大学成立东南亚研究中心、阿拉伯研究中心,适度超前也有面向未来的考量。李瀚明表示，最近几年，国内长途旅行取代了一部分出国游的需求。西北是国内长途旅行的主要目的地之一，新疆、青甘大环线等热度居高不下。西北遥远，高铁也不发达，更依赖民航运输。此外，西安和乌鲁木齐还有建设国际航空枢纽的需要。,威尼斯人手机版注册。

  12月25日,全国大学生科技美术创新设计作品展在津开幕,拉长时间线来看，在内外部多重压力下，本世纪以来，佛山工业生产总值占全省比重走出“先升再降”的曲线——2002年至2009年，比重从12.50%攀升到17.15%，创下历史新高。但从2010年开始占比整体下滑，2021年回落至15.30%。,乐鱼体育网址入口,亚星体育平台,去哪里赌博最安全。

  时事2：美高梅真人充值游戏

  12月25日,韩军一基地发生炮弹爆炸，4人受伤,今年前三季度，快手在研发方面的投入达到103.48亿元，同比增长18.3%，约占总营收的10%，连续多个季度保持增长。从公开表述来看，这些研发资源重点投向AI、大数据分析等前沿领域，用于强化业务竞争力。但此次大规模黑灰产攻击的爆发，让外界对这笔不小的投入能否转化为有效的安全防护能力打上了问号。,365官网网址多少,bet356体育亚洲版,便利棋牌。

  12月25日,评论：压减考试频次，推动教育回归育人本质,哈萨克斯坦总统托卡耶夫、吉尔吉斯斯坦总统扎帕罗夫、塔吉克斯坦总统拉赫蒙、乌兹别克斯坦总统米尔济约耶夫将在参会同时，对华进行国事访问。,bet365官网哪个真的,博发娱乐城,必发电子游戏官网。

  时事3：博天堂电子网投

  12月25日,42公里冰面极限穿越！“冰超”黑蒙极寒穿越挑战赛启幕,张业遂担任过外交部党委书记、副部长，曾是中国常驻联合国代表、中国驻美大使。,申傅手机官网,现金网,kok登陆官网。

  12月25日,“不放弃任何一个求助”——香港消防员的48小时火海奋战,据路透社报道，苏纳克11日表示，他将前往美国启动“澳英美联盟”（AUKUS）核潜艇计划的下一阶段会谈，“这一计划让我们能够与最亲密的盟友建立联系，并且为国内在安全、经济和新科技的发展上带来优势。”,十一选五走势图,体育平台黑钱是真的吗,奔驰宝马线上娱乐。

  时事4：体育外围平台app

  12月25日,“AI识鸟”为候鸟越冬保驾护航 双桂湖国家湿地公园成候鸟天堂,宋丁认为，佛山一季度经济失速不是偶然性的，而是经过多年积累，最终爆发出来的。他进一步解释，佛山在家电等领域有较为强大的产业底盘，但也有天然的“缺陷”——,9570金沙登录,网页在线游戏捕鱼,银河电玩地址。

  12月25日,26年来逾500万吨鲜活产品经拱北口岸供应澳门,突发！网信部门依法查处快手、微博平台破坏网络生态案件，此前小红书曾被查,足球外围盘口网官网,乐享彩票平台网址,休乐炸金花最新安卓版免费下载。