猫眼电影记者 侯佩君 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：大富豪网赌游戏

  12月29日,【央视快评】传递真善美传播正能量，为强国建设民族复兴伟业贡献志愿服务力量,如需获取更多数据洞察信息或公众号内容合作，请联系医药地理小助手微信号：pharmadl001,世界杯哪个网站买。

  12月29日,厦门口岸2025年出入境旅客量破600万人次 创历史新高,“北溪”天然气管道泄露事故距今已发生四月余，调查各方均认为管道遭“蓄意人为破坏”，但对于可能的幕后黑手，至今仍众说纷纭。,澳门金沙城娱乐在线,腾博会下载,世界杯怎么赌投注软件。

  时事2：如何辨别真假皇冠体育

  12月29日,承认存在政治资金问题 日本总务大臣道歉,其一，当前全球黄金储备高度集中于美英的格局可归于历史路径依赖。,优德体育推荐官网,抢庄牛牛免费游戏,澳门威尼斯注册网站。

  12月29日,香港漫游记：在沙田马场感受“港式速度与激情”,与此同时，郑州的经济总量，对就业创业的吸纳能力也能产生很好的辐射作用，“我知道的就有一些从游客变成投资者，变成了创业者”。,188bet金宝搏在线开户,贝博网站官网,凯发k8官网登录。

  时事3：怎么联系365bet客服

  12月29日,走进民企看发展丨腾达泰源创始人许立宪：未来五年，对所有企业都是巨大机遇,郑州并非没有文旅品牌，比如久负盛名的登封少林寺、还有中牟的只有河南·戏剧幻城等，但由于城区没有形成很好的文化旅游吸引核，导致郑州市县区散装式发展，如世界旅游城市联合会首席专家魏小安所说，“从文旅角度来看，现在的郑州是散装郑州”。,澳门威威尼斯棋牌大乐,英皇体育网址,新澳门棋牌官网。

  12月29日,“飞阅齐鲁，冬季如此多娇”主题采风活动启动,近日，神州控股(00861.HK)旗下神州一诺成功中标签约上海仪电(集团)有限公司(以下简称“上海仪电”)的千万级数据中心搬迁集成服务项目。这是继今年6月神州一诺中标上海仪电智算基础设施服务项目后，双方在短期内达成的又一次重要合作。此次连续中标，不仅体现了上海仪电对神州一诺在“算力再造”领域技术实力与服务品质的充分信任，也标志着双方的合作关系在前期成功合作的基础上得到了进一步巩固与深化。,8590am发现海洋之神,必威竞彩官网,哪种麻将游戏可以赚钱。

  时事4：至尊手游app

  12月29日,“吉光之夜·初光继明”西藏少儿非遗传承展演在拉萨举行,后来，张青莲又一次生病做手术，花了2万多块钱，新农合报销了几千元，申请大病医疗补助又遇到同样问题。汪绪金到村委会申诉，村里去镇工商所帮忙注销了相关个体工商信息，才申请到2800元。但申请低保，后来再无下文。“如果申请到低保，我妈妈的手术报销比例会更高。”汪文燕说。,球探体球网,澳门永利手机网页,亿博体育手机版登陆。

  12月29日,云南省机关事务管理局局长杨承贤接受审查调查,比如，根据珠海市自然资源局3月初印发的《关于印发优化规划管理助力高质量发展若干措施的通知》，优化完善房屋计容建筑面积计算规定。增加多种不计容建筑面积情形，包括公共开放空间的交通附属设施；既有房屋增设必要的消防楼梯、连廊、无障碍设施、电梯等。支持商业服务业建筑按层集中设置不超过该层水平投影面积5%的公共半开敞空间，按其水平投影面积一半计算计容建筑面积。,万博网页版,世界杯在哪里可以买球,网址365。