猫眼电影记者 袁俊菁 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：od体育登陆

  12月29日,送别中国四大名著“全满贯”演员何晴,证券日报网讯 12月23日，荣科科技在互动平台回答投资者提问时表示，北京金诚同达（郑州）律师事务所受公司聘请，为公司股东会律师见证提供专业法律服务。,网际快车官网。

  12月29日,边关旅游告别“浅尝辄止” 广西凭祥以深度体验提质留客,12月15日，国任保险召开第四十七次临时股东大会，审议《关于修订公司章程及附件的议案》，此次议案虽成功通过，但其中有6.01亿票反对、0.3亿票弃权。,黄金岛官方,白小姐特码信封,正规网上网投网赌。

  时事2：优发国际youfa

  12月29日,香港入境处为大埔火灾受灾民众补办身份证件,截至当地时间2月8日，土耳其和叙利亚北部地区6日发生的大地震已造成超过1.5万人遇难。据土耳其阿纳多卢通讯社报道，地震后埃尔多安的专机也投入了救灾工作，并于8日晚从卡赫拉曼马什拉省将16名幸存婴儿运送到首都安卡拉。,手机哪个千炮捕鱼好,金蟾捕鱼电玩城,欧亿体育app手机版。

  12月29日,陈芋汐当选世界泳联2025年度最佳女子跳水运动员,深圳GDP增长6.4%，居万亿城市前列；去年持续承压的东莞也一扫疲态，GDP同比增长5.5%，跑赢全国5.3%、全省4.4%的平均水平。,英皇体育官网,mg4355vip平台入口试玩,90分钟足球网官网。

  时事3：sp平台

  12月29日,86国免签+85条直航 海南自贸港入境“丝滑感”再升级,中国现代国际关系研究院南亚研究所副所长楼春豪认为，当前，制衡中国已成为印度外交战略的主要目标之一。在中美竞争加剧的背景下，美印关系持续深化发展。印度庞大的经济、人口体量和发展潜力使其成为美国在亚太地区制衡中国的关键伙伴，印度不断配合美国的“印太”战略，意在获得美方的军事、情报和外交支持，旨在提升自身力量及国际地位，实现对中国的战略遏制。,彩神官方网站,天博app软件下载官网,威尼斯游戏电玩。

  12月29日,北京城市轨道交通运营总里程突破900公里,5月7日，昊海生科控股股东、实际控制人之一蒋伟因涉嫌内幕交易，被中国证监会立案。,疯狂捕鱼无限注册版,365bet手机版官网下载,贝博艾弗森体育平台。

  时事4：五张抢庄牛牛规则

  12月29日,中新健康丨“姨妈神仙水”？医生紧急叫停,施正文表示，关税法是首次立法，首次立法程序一般来说需要经过三次审议。由于部分条款还有待完善，且关税法涉及对外开放等，外界比较关注，预计三审概率大。,天富娱乐注册事宜,澳门真钱官方,世界杯在线投注网。

  12月29日,至少10名印尼籍、菲律宾籍等外佣在香港大埔火灾中丧生,双方认为，各国均有权根据本国国情和人民意愿，自主选择发展模式和政治、经济、社会制度，反对干涉主权国家内政，反对没有国际法依据、未经安理会授权的单边制裁和“长臂管辖”，反对以意识形态划线。双方指出，新殖民主义和霸权主义完全违背了当今时代潮流，呼吁开展平等对话、发展伙伴关系，推动文明交流互鉴。,韦德体育体育平台,现金游戏在线,捕鱼达人网络版。