猫眼电影记者 桑德拉-布洛克 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：pt游戏平台

  12月24日,【新疆故事】造雪师李彦周的“冰雪匠心”,据央视新闻消息，2024年5月16日，江苏省无锡市中级人民法院一审公开开庭审理了山东省青岛市政协原党组书记、主席汲斌昌受贿一案。,谁知道美高梅网址是多少。

  12月24日,全国26所高校师生春城昆明斗茶艺,带领国足三场比赛，主客场对阵新加坡、主场对阵泰国，伊万只交出了1胜1平1负的尴尬答卷，技战术角度，三场比赛，伊万留下了太多值得商榷之处，还有最后一场和韩国队的比赛，留给伊万的时间已经不多了……,华纳游戏平台,葡京真人娱乐,杏彩官网登录地址。

  时事2：澳门百利宫

  12月24日,香港“大埔宏福苑援助基金”总额达到约36亿港元,新疆机场集团总经理吕辉斌表示，国泰航空开通乌鲁木齐至香港航线，标志着乌鲁木齐天山国际机场的航线网络又一次升级，满足了新疆及周边地区旅客日益增长的出行需求，不仅提升了乌鲁木齐机场的国际化水平，也将进一步增强新疆的区位优势和影响力，共同助力打造乌鲁木齐成为连接亚欧区域门户复合型国际航空枢纽目标。,腾龙娱乐网址多少,送3金币棋牌平台,上游棋牌官网。

  12月24日,残特奥会游泳比赛 蒋裕燕成“八金王”,昊海生科表示，该处罚决定书所涉主体为蒋伟个人，涉及的事项与公司无关，不会对公司日常经营、业务及财务造成重大影响。,ManBetX实名认证,美高梅用户登录中心,手机买球网站。

  时事3：贝博体育官网入口网页版

  12月24日,（文化中国行）以网络文学书写非遗 用青春力量传承传播,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%。,永利平台网投,网投平台网站大全,fg电子是什么游戏。

  12月24日,长春迎明显降雪,以德国为例，作为全球第二大黄金储备国，其中超过1/3存放在美国。这是因为二战后布雷顿森林体系下，德国对美出口额大于从美进口额，贸易盈余为德国带来大量美元，这些美元被用于兑换美联储的黄金债权。,凯发k8真人版,九州网站官方网址,皇冠体育登录。

  时事4：澳门白宫真人ag

  12月24日,足不出沪赏卢浮宫珍品 “图案的奇迹”大展登陆浦东美术馆,具体来看，广东经济总量和人口规模连续多年居全国第一，历年高考人数也居全国前列。今年，广东高考报名人数再创新高，达到约76.8万人。但这个在诸多领域拥有第一头衔的省份，在高等教育上却捉襟见肘，与“强省”地位更是相去甚远。,赢咖二登录地址,lecaiwang,万利国际。

  12月24日,中国房地产指数系统30年：行业发展潜能依然巨大,2001年十强赛阶段，国足选择沈阳五里河体育场作为主场，最终从首战3比0击败阿联酋开始，国足在沈阳主场四战全胜，最终顺利拿到出线资格。此番国足把和泰国队生死战的比赛设在沈阳，多少有点“玄学”因素，希望曾经的福地能够再给中国足球带来好运。,顶级官方赌场直营网,UC体育手机客户端,王者娱乐棋牌。