猫眼电影记者 刘明璞 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：日博体育注册

  12月26日,法国卢浮宫将对大多数非欧盟国家游客提高门票价格,江西省委常委会、司法部党组召开会议：坚决拥护对唐一军审查调查,在线葡京登录。

  12月26日,北京2027年世界田径锦标赛会徽、吉祥物、主题口号征集正式启动,这一幕被当时的直播清晰地记录下来，英国《每日邮报》在报道时描述称，两人在问候时嘴唇“似乎短暂地贴合在一起”。法新社则形容称，“他们倾身友好地拥抱——但至少其中一个人似乎弄错了，导致两人亲吻了嘴唇，或者非常、非常靠近嘴唇。”,韦德亚洲体育,利澳国际彩票平台官网,巴黎人充值登录。

  时事2：2026世界杯买球推荐

  12月26日,牢记嘱托 逐梦深蓝｜从“国信1号”到三船联动 “深远海养殖舰队”书写蓝色粮仓新答卷,此外，埃尔多安反驳了部分指责政府应对不力的批评。他表示，“没有可能为如此（级别）的灾难做好准备”，但政府不会让任何公民得不到照顾。他称，有“不光彩的人”正在散布关于政府行动的“谎言和诽谤”。,日博备用网址,宝博体育登录入口,888真人app官方。

  12月26日,文化观察：文化遗产如何出圈、出彩，又出海？,常年打球的张先生告诉《环球时报》记者：“在郑钦文夺冠前的这几年，网球运动在大众层面一直是向上走的态势，加入网球运动行列中的人不断增多。”张先生分析，这也许跟网球是隔网运动有关，因此在疫情期间受到欢迎。,和记娱乐娱乐官网,电子游戏登录大全,世界杯赌球在哪里投注。

  时事3：澳门大学官网

  12月26日,北京初雪“定档”，还将“附赠”降温大风天气,村民刘一鸣（化名）常年在沿海地区打工，妻子钱清花在老家种水田、带孩子。最近，刘一鸣查询国家企业信用信息公示系统，发现妻子也被莫名其妙登记了营业执照。日期是2011年8月16日，登记机关为“大悟县市场监督管理局”，营业执照类型为“个体工商户”。,真钱平台玩法,欧宝苹果版,申博在线开户。

  12月26日,国家医保局：力争2026年全国基本实现政策范围内分娩个人“无自付”,汪绪金有三个女儿，均已外嫁。2019年，汪绪金摔断了腿，也做了手术，几乎完全丧失了劳动能力。大女儿汪文燕回忆，父母身体不好，无人照顾，加上父母没有兄弟，村组长建议借助精准扶贫项目为汪绪金夫妇申请低保，“资料提交上去后，县里的部门又说，我名下有营业执照。意思是我家情况还不错，不给办。”汪文燕说。,2026世界杯押注网站,韦德体育体育,ASIA GAMEING。

  时事4：365体育中文网

  12月26日,普京：特别军事行动目标必须实现,据《华盛顿邮报》5月9日报道，日前，北约秘书长斯托尔滕贝格就俄乌冲突前景等议题接受了《华盛顿邮报》的专访，但双方“不可避免”提到了所谓“北约是否会介入台海冲突”的话题。对此，斯托尔滕贝格表示，北约“是一个欧洲组织，只会保卫欧洲成员国领土，不会成为亚洲组织”。,澳门所有电子游戏排行榜,澳门官方网投,开元棋下载app最新合集。

  12月26日,我国首艘火箭网系回收海上平台成功交付,证券日报网讯 12月23日，长春高新在互动平台回答投资者提问时表示，公司高度重视投资者关系管理工作，已通过券商策略会、电话、路演及现场调研等多种形式，与投资者保持密切沟通，后续公司也将持续加强与资本市场的沟通交流，不断完善投资者关系管理，进一步提升信息披露透明度。,MG电子怎么注册,太阳城游戏城,在哪个网站看世界杯。