猫眼电影记者 安东尼·辛尼 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1：二八杠做庄

  12月25日,关注俄乌冲突：专家分析 红军城战略意义显著 俄谈判优势将加大,一季度重庆民营经济实现增加值4225.78亿元，增长7.1%，对全市经济增长贡献率达到67.5%，拉动经济增长4.2个百分点；国有经济实现增加值2459.67亿元，增长5.1%，对全市经济增长贡献率为27.5%，拉动经济增长1.7个百分点；外商及港澳台经济实现增加值546.58亿元，增长4.0%，对全市经济增长贡献率为5.0%，拉动经济增长0.3个百分点。,世界杯赛程怎么买球。

  12月25日,广德“三件套”出圈 中小城市如何接住“泼天富贵”？,总体我们采用大中台框架搭建系统。以低空经济定制案例为例，无论是eVTOL、直升机、低空卫星还是储能电池，都可以用同一套系统支持。我们坚持“一平台多业务”，避免业务人员每接触新业务就要熟悉新系统。我们以强大技术底座快速响应市场多变的融资需求，从而完成系统建设。,银河国际网址是多少,肃十一选五走势图,age官网官方入口。

  时事2：亲朋捕鱼爆分时间

  12月25日,民族文化宫藏文物古籍精品图片展在北京站开展,2013年，早在“一带一路”倡议提出时，对新疆的定位是：丝绸之路经济带上重要的交通枢纽、商贸物流和文化科教中心，打造丝绸之路经济带核心区。对陕西、甘肃、宁夏、青海的定位则为：面向中亚、南亚、西亚国家的通道、商贸物流枢纽、重要产业和人文交流基地。,银河官网平台,抢庄牛牛在哪里可以玩,j9九游会平台。

  12月25日,第二十三届国际潮团联谊年会在广东潮州开幕,10月10日，山东通益橡胶科技有限公司项目工程规划许可，进行审批后公布。,澳门永利电玩城app,体育现金网,爱游戏怎么注册。

  时事3：美高梅平台网址手机版官网

  12月25日,骐骥驰骋 2026年马年春晚吉祥物发布,不仅董事长、总裁状态更新，国任保险的整个高管班子今年也出现大调整，一方面人员更替明显，另一方面在职高管的职责范围出现较大调整。,太阳城在线登陆,老虎机下载安装,bbin官网联系方式。

  12月25日,助力推进“科学无障碍共享行动” 中国科技馆举办专项主题活动,在中国汽车流通协会专家委员会委员章弘看来，欧盟针对中国车企的高额税率，影响显而易见。首先，这轮征税将直接导致中国车企出口欧盟的电动汽车价格上涨。高额的关税意味着中国车企需要承担更高的成本，而这些成本最终将反映在产品售价上。对于欧洲消费者而言，这意味着需要支付更多的费用来购买中国品牌的电动汽车，这无疑会削弱中国电动汽车在欧洲市场的竞争力。,世界杯在线投注,沙巴体育正规,lol押注网址。

  时事4：围棋游戏

  12月25日,尼泊尔向卡塔尔赠送两头大象,据香港特区政府本月10日发布的新闻公报，香港特区政府10日下午收到中国香港体育协会暨奥林匹克委员会就世界冰球锦标赛主办机构播放国歌时出错事件提交的初步调查报告。香港特区政府将严肃检视有关报告，并与港协暨奥委会详细商讨跟进行动。香港特区政府重申，对这次播放国歌时出错强烈不满，对违规行为会予以严惩，绝不姑息。,ca88亚唯一官网,斗球app下载官网,开元棋牌体育平台。

  12月25日,2025河北创意设计周在雄安新区启幕,在崔光灿看来，把公摊面积计入建筑面积的计价方式，总体是有利于开发销售方。但目前我国住房供需关系已发生重大变化，住房销售中购房人的权益应该得到更多的保障，如果要改变为按套内面积计价的话，具备一定合理性。目前，“改变计价模式”在法律层面已不存在障碍，但在实践中，仍需开发企业等多方配合。,电竞比赛押注链接,澳门mg体验金,乐鱼手机版登陆。