近日，ICCV 2025（國際計算機視覺大會）公布論文錄用結果，理想汽車共有8篇論文入選，其中5篇來自自動駕駛團隊，3篇來自基座模型團隊。ICCV作為計算機視覺領域的頂級學術會議，每兩年舉辦一次，與CVPR（國際計算機視覺與模式識別會議）、ECCV（歐洲計算機視覺國際會議）并稱為計算機視覺領域的三大頂級會議，具有極高的學術影響力。今年ICCV共收到11239份有效投稿，刷新歷史記錄，經過嚴格評審，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，展示出深厚的技術積累和強大的研究實力。

立足研究，填補行業技術空白

此次入選的8篇論文涵蓋了端到端規劃模型、世界模型、機器人操作仿真、復雜渲染框架、大規模真實三維車輛數據集和AIGC等多個關鍵領域，每一篇都具有重要的創新意義和應用價值。在端到端規劃模型方面，理想汽車與中國科學院合作的《World4Drive》論文，提出業界首個通過自監督學習實現無需感知標注的端到端規劃模型，為實現真正的無人駕駛奠定堅實基礎。

世界模型領域，理想汽車與浙江大學合作的《HierarchyUGP》論文，推出業界首個大尺度自動駕駛重建模型，能夠為自動駕駛車輛提供更加精準、全面的環境感知信息，有效提升駕駛安全性。

理想汽車與中山大學合作的《RoboPerls》論文，利用3DGS構建面向機器人操作的可編輯視頻仿真框架，能夠從示范視頻構建具有照片級真實感、視角一致的仿真環境，支持機器人的數據合成。這一成果將為機器人領域的研究和應用提供強大的工具，推動相關技術的快速發展。

理想汽車獨立完成的《HiNeus》論文，提出了一個統一3D復雜渲染框架，通過三項基礎創新同時解決多視角輻射不一致性、增強低紋理表面恢復并保留精細結構細節，性能達到SOTA，為自動駕駛場景的渲染提供了更優解決方案。

理想汽車與悉尼科技大學合作的《3DRealCar》論文，提出業界首個大規模真實三維車輛數據集3DRealCar，具備海量數據、高品質、高多樣性等特性，將有力促進三維車輛識別與重建技術的發展。

理想汽車與中國科學技術大學合作《DH-FaceVid-1K: A Large-Scale High-Quality Dataset for Face Video Generation》，提出業界首個大規模高質量人臉視頻數據集DH-FaceVid-1K，具備多種族、高質量、大容量等特性，可用于訓練多模態數字人臉視頻生成基座大模型，對視頻生成領域有重要貢獻。

理想汽車與哈爾濱工業大學合作的《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范式，可適配現有各種生成模型，訓練參數為普通LoRA的一半，微調速度更快，并能用于多屬性組合生成等定制化場景。

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

開放共享，引領行業演進方向

理想汽車此前已在人工智能領域的頂級學術會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，在AAAI、CVPR、ICRA等頂級學術平臺發表了近50篇論文，印證了理想汽車技術研究的前沿性和影響力。

在基礎理論研究過程中，理想汽車在獨立研究之外，積極與高校展開合作，踐行“產學研結合”的創新模式。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勢，加速技術研究進程，還能夠將自身在實際應用中積累的豐富數據和工程經驗反饋給高校，促進學術研究的深入發展，實現產學研的互利共贏。

在追求技術高度的基礎上，理想汽車致力于推動行業共同進步。秉持“技術開放共享”的理念，理想汽車主動將部分代碼與數據庫開源，吸引近2500名開發者參與收藏、調用，為構建更加開放、繁榮的技術生態貢獻了力量。這些成果不僅有助于提升理想汽車自身的技術實力和產品競爭力，還將推動行業技術進步，持續引領行業發展。

從自研增程電動和5C超充技術，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“創造移動的家，創造幸福的家”為使命，將學術成果轉化為用戶可感知的體驗。未來，理想汽車將繼續加大研究投入，深化產學研合作，以扎實的學術創新能力與開放生態理念，持續為全球智能技術發展注入動能。