猫眼电影记者 王子鸿 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：世界杯买球bs18店me

  12月26日,高市早苗应撤回涉台错误言论（国际论坛）,截至2024年，全球央行的黄金储备在总量和价值上都达到了历史性的高位，总储备量达到3.6万吨，接近布雷顿森林体系时代的水平。按市场价格计算，黄金价值已经突破4万亿美元，去年黄金占全球外汇储备的比例已经升至20%，超越16%的欧元，仅次于46%的美元，一举成为全球第二储备资产。,365bet平台注册足球。

  12月26日,第八届中国金融教育发展论坛在广州召开,银行业理财登记托管中心发布的《中国银行业理财市场季度报告（2025年三季度）》（下称《报告》）显示，截至2025年三季度末，未设立理财子公司的银行存续理财规模为2.85万亿元，同比下降28.01%；就机构数量而言，仍有存续理财产品的银行机构为181家，环比减少13家。这显示未设立理财子公司的部分中小银行在政策影响下，着手清理主营理财业务。,欧宝体育网址最新,SW天风电子百搭猫咪,博鱼体育网站入口。

  时事2：亚盘买球犯法吗

  12月26日,以美食为桥促文化交流 国际小吃创意大赛亮相福建沙县,6月17日，安徽省委书记韩俊主持召开省级总河长第八次会议。他在会上强调，安徽防汛抗旱工作已进入关键阶段。要以有力举措推进抗旱保种，用好蓄水、引水、提水、调水多种手段，充分发挥引江济淮工程作用，确保按农时完成夏种。以万全准备应对暴雨洪灾，紧盯重点部位，强化预报预警，备齐物资装备，及时有效应对。,真人炸金花赢现金苹果版,888真人国际-皇 恩赐金,开元棋脾app。

  12月26日,“北京范儿”短视频大赛启幕“京味烟火”单元,浙商银行相关人士表示，此次浙商银行领导班子调整，是根据省委省政府部署要求，进一步强化党对金融工作领导，加强浙商银行班子建设所作出的安排，有助于浙商银行全面深化体制机制改革，推动长期行稳致远，服务好“五篇大文章”，助力浙江省经济金融发展。,银河开户app,九游会是不是真的,包牛牛官方网址。

  时事3：万豪斗地主安卓版本

  12月26日,北京侨商会筹集26万余元善款支援香港大埔火灾灾区,《华盛顿邮报》主持人询问斯托尔滕贝格，中国是否有可能在结束俄乌冲突的谈判中发挥外交作用时，斯托尔滕贝格表示，中国“尚未谴责俄罗斯”，但他欢迎两国领导层的对话，“因为欧洲发生的事情关系到亚洲，而亚洲发生的事情关系到欧洲”。斯托尔滕贝格同时宣称，如果“普京获胜”，所有人都会“变得脆弱”。,华纳娱乐客服,c966bet彩集团,澳门在线网投导航。

  12月26日,多国年度汉字发布 一字勾勒世相万千,标普全球移动出行市场情报副总监斯蒂芬妮・布林利表示：‘特斯拉从未真正培育出一个“纯电动汽车”的市场，它只是打造出了一个“特斯拉品牌”的专属市场。’,12bet外围官网,世界杯买球怎么算真钱,澳门电投合法吗。

  时事4：73棋牌游戏平台

  12月26日,何晴儿子将骨灰盒捧出 抱着遗像送母亲最后一程,施正文表示，目前海关除了征收关税之外，还代征进口货物增值税、消费税。目前在海关法、增值税等其他法规中，已经明确了海关代征的进口货物增值税、消费税，适用关税征收管理规定，而不适用于税收征管法。草案二审稿对此再度明确，更为合理。,捕鱼怎么注册新账号注册,百姓彩票平台可信不,彩票平台app下载。

  12月26日,钒钛产业探索“AI+材料”新路径 破解数字化转型“必修课”,报道说，针对国际赛事播放国歌时出错事件，李家超表示，国歌代表民族尊严、国家尊严，将竭尽一切所能，确保国歌在不同场合正确播出。他说，特区政府已制定不同指引要求不同组织、代表团遵守，如果他们不遵守，特区政府会有惩处行动。,葡京导航站,葡京赌盘网信誉综合最好,开元KG棋牌官网8017。