理想汽车八篇论文入选ICCV 2025

近日，ICCV 2025（国际计算机视觉大会）公布论文录用结果，理想汽车共有8篇论文入选，其中5篇来自自动驾驶团队，3篇来自基座模型团队。ICCV作为计算机视觉领域的顶级学术会议，每两年举办一次，与CVPR（国际计算机视觉与模式识别会议）、ECCV（欧洲计算机视觉国际会议）并称为计算机视觉领域的三大顶级会议，具有极高的学术影响力。今年ICCV共收到11239份有效投稿，刷新历史记录，经过严格评审，最终仅接受2698篇论文，录用率为24%，竞争激烈。理想汽车此次入选8篇论文，展示出深厚的技术积累和强大的研究实力。

立足研究，填补行业技术空白

此次入选的8篇论文涵盖了端到端规划模型、世界模型、机器人操作仿真、复杂渲染框架、大规模真实三维车辆数据集和AIGC等多个关键领域，每一篇都具有重要的创新意义和应用价值。在端到端规划模型方面，理想汽车与中国科学院合作的《World4Drive》论文，提出业界首个通过自监督学习实现无需感知标注的端到端规划模型，为实现真正的无人驾驶奠定坚实基础。

世界模型领域，理想汽车与浙江大学合作的《HierarchyUGP》论文，推出业界首个大尺度自动驾驶重建模型，能够为自动驾驶车辆提供更加精准、全面的环境感知信息，有效提升驾驶安全性。

理想汽车与中山大学合作的《RoboPerls》论文，利用3DGS构建面向机器人操作的可编辑视频仿真框架，能够从示范视频构建具有照片级真实感、视角一致的仿真环境，支持机器人的数据合成。这一成果将为机器人领域的研究和应用提供强大的工具，推动相关技术的快速发展。

理想汽车独立完成的《HiNeus》论文，提出了一个统一3D复杂渲染框架，通过三项基础创新同时解决多视角辐射不一致性、增强低纹理表面恢复并保留精细结构细节，性能达到SOTA，为自动驾驶场景的渲染提供了更优解决方案。

理想汽车与悉尼科技大学合作的《3DRealCar》论文，提出业界首个大规模真实三维车辆数据集3DRealCar，具备海量数据、高品质、高多样性等特性，将有力促进三维车辆识别与重建技术的发展。

理想汽车与中国科学技术大学合作《DH-FaceVid-1K: A Large-Scale High-Quality Dataset for Face Video Generation》，提出业界首个大规模高质量人脸视频数据集DH-FaceVid-1K，具备多种族、高质量、大容量等特性，可用于训练多模态数字人脸视频生成基座大模型，对视频生成领域有重要贡献。

理想汽车与哈尔滨工业大学合作的《QR-LoRA: Efficient and Disentangled Fine-tuning via QR Decomposition for Customized Generation》论文，提出一种全新的图像定制化微调范式，可适配现有各种生成模型，训练参数为普通LoRA的一半，微调速度更快，并能用于多属性组合生成等定制化场景。

理想汽车发表的《Twig：Growing a Twig to Accelerate Large Vision-Language Models》论文，提出一种自适应VLM Token压缩&推理加速方法，通过分支引导的Token剪枝策略&自投机解码策略，自适应地删除VLM模型LLM推理阶段中和Query无关的Token，全方位提升prefill & decode阶段的模型计算效率，在长问答Task上可实现1.5倍的提速。

开放共享，引领行业演进方向

理想汽车此前已在人工智能领域的顶级学术会议和期刊上崭露头角。近3年，理想汽车围绕端到端、世界模型、VLA和基座模型等核心技术，在AAAI、CVPR、ICRA等顶级学术平台发表了近50篇论文，印证了理想汽车技术研究的前沿性和影响力。

在基础理论研究过程中，理想汽车在独立研究之外，积极与高校展开合作，践行“产学研结合”的创新模式。借助该模式，理想汽车不仅能够充分利用高校的科研资源和人才优势，加速技术研究进程，还能够将自身在实际应用中积累的丰富数据和工程经验反馈给高校，促进学术研究的深入发展，实现产学研的互利共赢。

在追求技术高度的基础上，理想汽车致力于推动行业共同进步。秉持“技术开放共享”的理念，理想汽车主动将部分代码与数据库开源，吸引近2500名开发者参与收藏、调用，为构建更加开放、繁荣的技术生态贡献了力量。这些成果不仅有助于提升理想汽车自身的技术实力和产品竞争力，还将推动行业技术进步，持续引领行业发展。

从自研增程电动和5C超充技术，解决用户里程焦虑；到自研VLA模型和基座模型，不断提升用车安全性和便捷性。理想汽车始终以“创造移动的家，创造幸福的家”为使命，将学术成果转化为用户可感知的体验。未来，理想汽车将继续加大研究投入，深化产学研合作，以扎实的学术创新能力与开放生态理念，持续为全球智能技术发展注入动能。