猫眼电影记者 蔺家砭 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：真金赌博在线

  12月24日,以文学之眼，观“河湟”新容——青海“铸牢中华民族共同体意识”文学实践活动侧记,“近期国内用钻爆法建成的海底隧道有三条。其一是厦门翔安隧道，隧道段长约6公里，其二是厦门第二西通道，即海沧隧道，长约6.3公里，其三是青岛胶州湾隧道，长约7.8公里；目前在建的青岛二隧道采用钻爆加盾构组合的工法，隧道长约16公里；沉管隧道目前最长的，是港珠澳隧道，长约7公里，同样使用沉管工法的深中通道隧道，长约6.85公里。”黄清飞说。,捕鱼大师安卓老版本。

  12月24日,气候变化大背景下 “中原粮仓”河南如何“知天而作”？,与西方相比，中国不仅尊重中亚各国选择的发展道路，也在合作中充分考虑中亚国家的舒适度与获得感。,赌博评级官网,可以玩斗牛的游戏,欧亿官网注册。

  时事2：途游捕鱼大作战

  12月24日,“台湾有何本钱用备战换和平？”岛内青年拷问赖清德：没人愿当炮灰、做牺牲品，为“台独”打仗,哈《实业报》总编辑科尔茹姆巴耶夫表示，中亚-中国峰会令人期待的将是中哈之间的互免签证制度。签证便利化必定对两国之间的商业往来产生积极影响。排队和长时间等待签证的情况将逐渐消失，密切的人员交流将推动经贸合作发展。另外，取消签证将对旅游业的发展带来有利影响，包括医疗旅游。传统的中医在哈萨克斯坦民众中可能会变得非常流行。,ag娱乐亚美平台app,世界杯投注法撑fc3·tv,韦德投注网。

  12月24日,谌贻琴在广东调研时强调 加快建设足球青训体系 着力提升残疾人民生保障水平,报道说，在俄乌冲突爆发一年后，战事正进入“决定性”阶段。在接下来的几个月里，西方可能需要作出一些艰难的决定——在支持乌克兰总统泽连斯基的问题上，也在对乌克兰提供最重要的军事支持的问题上。因此，朔尔茨肯定将与拜登讨论这些事情。,火狐体育官网app中国,九五至尊真人百家乐,棋牌官网平台。

  时事3：世界杯买球用的什么app

  12月24日,欲增防卫费 日政府向国会提交补充预算案,九是铜成为算力产业链中最优质资产，紫金矿业市值与规模超过必和必拓，成为全球最大矿业公司；,大版贴士皇-1,ManBetX万博可靠吗,bob最新版下载。

  12月24日,8年超3000亿千瓦时 雁淮直流为长三角注入“绿色动能”,双方愿深化在联合国大会及安理会在内的联合国框架下的双边合作，应在联合国各机构内讨论重要国际问题时加强协作。,优发国际真人,世界杯买球入口官网,天博app软件下载官网。

  时事4：九线拉王水果机

  12月24日,支持一大平台，天津“十五五”肩负绿色新使命,中方对2024年3月成功举行的俄罗斯联邦总统大选表示欢迎，认为本次选举组织程度高，公开、客观且具有全民性，其结果充分彰显俄罗斯政府所奉行的国家政策获得广泛拥护，而发展同中华人民共和国的友好关系是俄罗斯外交政策的重要组成部分。,澳门皇冠下载,yc娱乐公司,澳门永利总站送28网址。

  12月24日,瑙鲁发生数起中国公民店铺遭抢劫案件 中使馆发布安全提醒,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。,注册即送28棋牌,九卅娱乐10年玩家信誉首选菲律宾,体育自动滚球投注软件。