一句话定义：动态分辨率切图（Tiling）是指处理大尺寸图片时，不把它硬塞成一张小图喂给模型，而是把它切成若干块高清小图，再额外配一张整图缩略图一起送进去，让模型同时掌握"局部细节"和"全局构图"。
为什么不能直接缩？
多模态模型（Vision-Language Model）的视觉编码器通常只吃固定尺寸的输入，比如 336×336 或 448×448 像素。你要给它一张 4000×3000 的扫描合同、一张超宽幅的设计稿，硬缩到 448×448 会发生什么？正文小字糊成一团，表格线粘连在一起，页眉页脚的印章细节全没了。就像把一本 A4 杂志影印到邮票大小——轮廓还在，内容全丢。
切图 + 缩略图：两路并行
主流做法是把原图按网格切成 N 块（常见的切法有固定网格、按长宽比自适应等），每块单独缩放到模型能吃下的尺寸，这样每块都保留了很高的有效分辨率，字还是字，图还是图。但只喂切片会出问题：模型看到的是"第 3 块""第 7 块"，不知道它们之间的空间关系，更不知道整张图到底是什么——是海报还是个界面截图？主体在左上还是右下？
所以还要再补一路：把整张图缩成一张低分辨率全局图，也送进模型。切片负责"看清细节"，全局图负责"知道这是什么、各部分在哪"。两路拼接后一起送进大语言模型（LLM）做推理。
和相邻概念的区别
| 概念 | 做法 | 主要解决的问题 |
|---|---|---|
| 直接缩放 | 整图缩到固定尺寸 | 省算力，但细节丢失严重 |
| 固定切图 | 只切块，不看全局 | 细节清晰，但丢失空间与整体语义 |
| 动态分辨率切图 | 切块 + 全局缩略图 | 细节与全局兼顾，块数可按图片长宽比动态决定 |
和图像分类里的"滑动窗口"相比，切图的目的是保留信息而非检测目标；和 OCR 的分页处理相比，切图更像一种"喂数据给模型"的输入组织策略，而非后处理。另外，"动态"二字体现在切几块、怎么切会随图片长宽比变化——宽图多切几列，长图多切几行，而不是死板地一刀切四块。
对从业者的实际意义
做文档理解、票据识别、长截图问答、UI 自动化这类产品时，切图往往是效果的第一道分水岭：不切，模型连小字都读不出来；切了不配缩略图，模型容易答非所问。工程上要注意的是切块数量直接决定 token 消耗和延迟，块间要不要留重叠、全局图放几成分辨率，都需要按业务实测。普通职场人可以在心里建立一个直觉：你给模型的图越复杂，越要关心它到底"看"到的是什么分辨率。各家模型的预处理方式、支持的切图策略和参数都不相同，具体以官方文档为准。