近日，ICCV 2025（國際計(jì)算機(jī)視覺大會(huì)）公布論文錄用結(jié)果，理想汽車共有8篇論文入選，其中5篇來自自動(dòng)駕駛團(tuán)隊(duì)，3篇來自基座模型團(tuán)隊(duì)。ICCV作為計(jì)算機(jī)視覺領(lǐng)域的頂級學(xué)術(shù)會(huì)議，每兩年舉辦一次，與CVPR（國際計(jì)算機(jī)視覺與模式識別會(huì)議）、ECCV（歐洲計(jì)算機(jī)視覺國際會(huì)議）并稱為計(jì)算機(jī)視覺領(lǐng)域的三大頂級會(huì)議，具有極高的學(xué)術(shù)影響力。今年ICCV共收到11239份有效投稿，刷新歷史記錄，經(jīng)過嚴(yán)格評審，最終僅接受2698篇論文，錄用率為24%，競爭激烈。理想汽車此次入選8篇論文，展示出深厚的技術(shù)積累和強(qiáng)大的研究實(shí)力。

立足研究，填補(bǔ)行業(yè)技術(shù)空白

此次入選的8篇論文涵蓋了端到端規(guī)劃模型、世界模型、機(jī)器人操作仿真、復(fù)雜渲染框架、大規(guī)模真實(shí)三維車輛數(shù)據(jù)集和AIGC等多個(gè)關(guān)鍵領(lǐng)域，每一篇都具有重要的創(chuàng)新意義和應(yīng)用價(jià)值。在端到端規(guī)劃模型方面，理想汽車與中國科學(xué)院合作的《World4Drive》論文，提出業(yè)界首個(gè)通過自監(jiān)督學(xué)習(xí)實(shí)現(xiàn)無需感知標(biāo)注的端到端規(guī)劃模型，為實(shí)現(xiàn)真正的無人駕駛奠定堅(jiān)實(shí)基礎(chǔ)。

世界模型領(lǐng)域，理想汽車與浙江大學(xué)合作的《HierarchyUGP》論文，推出業(yè)界首個(gè)大尺度自動(dòng)駕駛重建模型，能夠?yàn)樽詣?dòng)駕駛車輛提供更加精準(zhǔn)、全面的環(huán)境感知信息，有效提升駕駛安全性。

理想汽車與中山大學(xué)合作的《RoboPerls》論文，利用3DGS構(gòu)建面向機(jī)器人操作的可編輯視頻仿真框架，能夠從示范視頻構(gòu)建具有照片級真實(shí)感、視角一致的仿真環(huán)境，支持機(jī)器人的數(shù)據(jù)合成。這一成果將為機(jī)器人領(lǐng)域的研究和應(yīng)用提供強(qiáng)大的工具，推動(dòng)相關(guān)技術(shù)的快速發(fā)展。

理想汽車獨(dú)立完成的《HiNeus》論文，提出了一個(gè)統(tǒng)一3D復(fù)雜渲染框架，通過三項(xiàng)基礎(chǔ)創(chuàng)新同時(shí)解決多視角輻射不一致性、增強(qiáng)低紋理表面恢復(fù)并保留精細(xì)結(jié)構(gòu)細(xì)節(jié)，性能達(dá)到SOTA，為自動(dòng)駕駛場景的渲染提供了更優(yōu)解決方案。

理想汽車與悉尼科技大學(xué)合作的《3DRealCar》論文，提出業(yè)界首個(gè)大規(guī)模真實(shí)三維車輛數(shù)據(jù)集3DRealCar，具備海量數(shù)據(jù)、高品質(zhì)、高多樣性等特性，將有力促進(jìn)三維車輛識別與重建技術(shù)的發(fā)展。

理想汽車與中國科學(xué)技術(shù)大學(xué)合作《DH-FaceVid-1K: A Large-Scale High-Quality Dataset for Face Video Generation》，提出業(yè)界首個(gè)大規(guī)模高質(zhì)量人臉視頻數(shù)據(jù)集DH-FaceVid-1K，具備多種族、高質(zhì)量、大容量等特性，可用于訓(xùn)練多模態(tài)數(shù)字人臉視頻生成基座大模型，對視頻生成領(lǐng)域有重要貢獻(xiàn)。

理想汽車與哈爾濱工業(yè)大學(xué)合作的《QR-LoRA: Efficient and Disentangled Fine-tuning via QR Decomposition for Customized Generation》論文，提出一種全新的圖像定制化微調(diào)范式，可適配現(xiàn)有各種生成模型，訓(xùn)練參數(shù)為普通LoRA的一半，微調(diào)速度更快，并能用于多屬性組合生成等定制化場景。

理想汽車發(fā)表的《Twig：Growing a Twig to Accelerate Large Vision-Language Models》論文，提出一種自適應(yīng)VLM Token壓縮&推理加速方法，通過分支引導(dǎo)的Token剪枝策略&自投機(jī)解碼策略，自適應(yīng)地刪除VLM模型LLM推理階段中和Query無關(guān)的Token，全方位提升prefill & decode階段的模型計(jì)算效率，在長問答Task上可實(shí)現(xiàn)1.5倍的提速。

開放共享，引領(lǐng)行業(yè)演進(jìn)方向

理想汽車此前已在人工智能領(lǐng)域的頂級學(xué)術(shù)會(huì)議和期刊上嶄露頭角。近3年，理想汽車圍繞端到端、世界模型、VLA和基座模型等核心技術(shù)，在AAAI、CVPR、ICRA等頂級學(xué)術(shù)平臺發(fā)表了近50篇論文，印證了理想汽車技術(shù)研究的前沿性和影響力。

在基礎(chǔ)理論研究過程中，理想汽車在獨(dú)立研究之外，積極與高校展開合作，踐行“產(chǎn)學(xué)研結(jié)合”的創(chuàng)新模式。借助該模式，理想汽車不僅能夠充分利用高校的科研資源和人才優(yōu)勢，加速技術(shù)研究進(jìn)程，還能夠?qū)⒆陨碓趯?shí)際應(yīng)用中積累的豐富數(shù)據(jù)和工程經(jīng)驗(yàn)反饋給高校，促進(jìn)學(xué)術(shù)研究的深入發(fā)展，實(shí)現(xiàn)產(chǎn)學(xué)研的互利共贏。

在追求技術(shù)高度的基礎(chǔ)上，理想汽車致力于推動(dòng)行業(yè)共同進(jìn)步。秉持“技術(shù)開放共享”的理念，理想汽車主動(dòng)將部分代碼與數(shù)據(jù)庫開源，吸引近2500名開發(fā)者參與收藏、調(diào)用，為構(gòu)建更加開放、繁榮的技術(shù)生態(tài)貢獻(xiàn)了力量。這些成果不僅有助于提升理想汽車自身的技術(shù)實(shí)力和產(chǎn)品競爭力，還將推動(dòng)行業(yè)技術(shù)進(jìn)步，持續(xù)引領(lǐng)行業(yè)發(fā)展。

從自研增程電動(dòng)和5C超充技術(shù)，解決用戶里程焦慮；到自研VLA模型和基座模型，不斷提升用車安全性和便捷性。理想汽車始終以“創(chuàng)造移動(dòng)的家，創(chuàng)造幸福的家”為使命，將學(xué)術(shù)成果轉(zhuǎn)化為用戶可感知的體驗(yàn)。未來，理想汽車將繼續(xù)加大研究投入，深化產(chǎn)學(xué)研合作，以扎實(shí)的學(xué)術(shù)創(chuàng)新能力與開放生態(tài)理念，持續(xù)為全球智能技術(shù)發(fā)展注入動(dòng)能。