猫眼电影记者 常志鹏 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：赌博电竞

  12月27日,批准国际调解院公约国家已达10个,西藏自治区政协原副主席姜杰被“双开”，其16岁上大学做过6年记者,顶级官方娱乐网站。

  12月27日,王曼昱WTT香港总决赛将与蒯曼争冠：希望自己发挥出最好的水平,对于理财产品代销合作，耿勇发现多家中西部地区农商行相当主动，双方一见面就直奔主题，聊起银行理财子公司的产品丰富度与以往投资业绩。,万人牛牛苹果版,ku登录,送分棋牌。

  时事2：重庆分分彩网站

  12月27日,第二十七届哈尔滨冰雪大世界开园 游客：冰雕黄鹤楼非常震撼,但也存在担忧的声音，一部分网友表示会担心行驶安全问题。他们表示，司机年龄放宽后，担心老年人作为司机，身体素质不一定能跟上，在道路上行驶存在一定安全风险。,捕鱼大作战途游捕鱼,云顶娱乐网址是多少,亚洲名仕手机版。

  12月27日,黄百铁路最长桥梁进入连续梁施工阶段,李国杰自2011年1月至今任中科曙光董事长。张某华系李国杰配偶。2023年3月3日至2024年3月14日，张某华累计买入“中科曙光”334.33万股，累计买入成交金额1.54亿元；累计卖出“中科曙光”334.26万股，累计卖出成交金额1.544亿元，存在买入后六个月内卖出，卖出后六个月内买入的行为。上述违法事实，有中科曙光公告、相关人员的询问笔录、证券账户资料、证券交易流水等证据证明，足以认定。,365bet赌场,完美国际娱乐app,ag真人网址是多少。

  时事3：博狗官方网站网址

  12月27日,曾上演跨越“两极”爱情故事 这对戍边夫妻又添喜讯,银行理财子公司与农商行合作骤然升温，可谓是各有算盘。银行理财子公司正抓住存款利率下调引发县域乡村地区个人存款搬家的机遇，迅速扩大渠道渗透率与客群覆盖面，推动理财规模稳健增长。农商行则通过拥抱银行理财子公司，一方面可以对冲自营理财业务压降，继续通过理财业务留住客户存款，另一方面也能增加中间业务收入。,2026世界杯投注西姆,威尼斯人如何充值,博体网。

  12月27日,海关近期查获上万件侵权玩偶 含《疯狂动物城 2》相关公仔,作为一家股份制银行理财子公司的渠道合作部负责人，他近期的工作目标是在2026年3月底前，新增2—3家农商行作为产品代销机构。,百老汇2022世界杯,六合财经A加大版,免费游戏。

  时事4：新濠天地官网注册

  12月27日,巴西华社举行多场圣诞慈善活动,当地时间8月29日，巴黎残奥会首个比赛日。在伊夫林省圣康坦自行车馆，中国队选手李樟煜上演了一场“速度与激情”。男子C1级3000米个人追逐赛资格赛，他以3：31.338的成绩刷新该项目世界纪录。决赛中，李樟煜状态火热，夺得金牌，这也是中国体育代表团在本届残奥会上获得的首枚金牌。另一位中国队选手梁伟聪摘得银牌，恭喜中国队包揽该项目金银牌！,大嬴家足球网官网,m6米乐快速登陆,真钱博彩大全。

  12月27日,北京老楼45天完成模块化封顶 “原拆原建”助力城市更新,随着住房交易进入存量市场和买房市场，多地政府和开发商开始主动做出改变。近年来，为了提振购房者信心，减少买房顾虑，合肥等地提出“积极探索按套内面积计价”，山东等地则提出“公摊面积需在合同中明确标准”。另有受访的业界人士表示，目前，已有多地开发商开始主动选择“按套内面积”的计价模式，进行住房销售。,明博体育入口,ag捕鱼王技巧与攻略,大发体育电子网投。