车东西（公众号：chedongxi）
作者 ｜  张睿
编辑 ｜  志豪

理想汽车自动驾驶团队5篇论文被世界顶级学术会议录用！包含世界模型、端到端规划模型等方面。

车东西6月30日消息，近日，理想汽车宣布其自动驾驶团队有5篇论文中稿ICCV 2025。

▲理想汽车自动驾驶研发副总裁郎咸朋宣布中稿

计算机视觉国际大会（ICCV，International Conference on Computer Vision）是计算机领域世界顶级的学术会议之一，每两年举办一届，和CVPR、ECCV并称计算机视觉三大顶级会议。

而2025年ICCV大会共收到了11239份有效投稿，为历史最多，这些投稿经过评审后接受2698篇论文，接受率为24%，由此可以看出理想汽车此次多篇论文中稿ICCV的含金量。

理想汽车CEO李想也在社交媒体上发文表示：“如果大家对ICCV论文含金量不太理解，可以类比医学界的《柳叶刀》论文，每一篇都能代表世界级的‘学术金牌’。”

▲理想汽车CEO李想在社交媒体上发文

此外，李想还提到，除理想汽车自动驾驶团队中稿的5篇论文外，理想汽车基座模型团队还有3篇论文中稿，一共8篇论文被ICCV 2025录用。

一、Hierarchy UGP：用于大规模动态场景重建的层次化统一高斯基元

目前，理想汽车自动驾驶团队中稿的5篇论文中，名为《Hierarchy UGP》的论文已经公开，这篇论文的是理想汽车与浙江大学合作在世界模型方面的进展。

▲《Hierarchy UGP》

在署名作者中可以看到，理想汽车智能驾驶高级算法专家詹锟、理想汽车高级算法工程师王一达的名字出现了论文署名中。

论文中表示，近年来可微渲染技术的进步显著提升了动态街景重建的效果。然而，大规模场景和动态元素（如车辆和行人）的复杂性仍是重大挑战，现有方法通常难以扩展到大型场景或准确建模任意动态。

为解决这些限制，研究者提出Hierarchy UGP，其构建了由根层级、子场景层级和基元层级组成的层次结构，并使用在四维空间中定义的统一高斯基元（UGP）作为表示，实现动态静态长达1km的重建能力。

具体来看，Hierarchy UGP的三层分层结构如下：

1. Root Level（根层）：管理整个场景的结构，是渲染和优化的入口。

2. Sub-scenes Level（子场景层）：将大规模场景按空间划分为多个子场景，分别建模天空、背景、刚体和非刚体对象。

3. Primitive Level（基元层）：使用定义在四维时空中的统一高斯基元（UGP）对每个元素进行建模。

▲Hierarchy UGP采用三层分层

根层级作为层次结构的入口点。在子场景层级，场景在空间上被划分为多个子场景，并提取各种元素。在基元层级，每个元素通过UGP建模，其全局位姿由与时间相关的运动先验控制。

这种层次化设计极大增强了模型的能力，使其能够建模大规模场景。此外，UGP允许同时重建刚性和非刚性动态。

四维高斯建模UGP在三维空间基础上引入时间维度，能够自然表达对象的动态变化，尤其适用于非刚体建模。

层次细节控制（LOD）通过图像平面投影尺寸选择渲染基元，提升渲染效率，实现实时渲染。

子场景并行优化采用“块级对象训练策略”，避免跨子场景动态对象的干扰，通过“时间尺度初始化”提升大幅运动区域的拟合精度。

虚拟视图监督在新视角合成任务中引入虚拟视图监督，有效提升外推质量。

在实验结果方面，研究者在专有大规模动态街景数据集Dynamic City以及公开的Waymo数据集上进行了实验。

Dynamic City数据集是包含以10 Hz频率捕获的图像和雷达数据序列，覆盖600米至1公里以上的街景。

与Waymo和PandaSet等公开数据集相比，Dynamic City数据集包含更广泛的街景，研究者将该数据集作为开源资源发布，以推进大规模动态街景重建的研究。

为证明算法的有效性并确保公平比较，研究者进行了两个实验：一个使用大规模动态场景，另一个使用从大规模场景中提取的子场景。

下图中的的表格和图片结果表明，对于插值任务，Hierarchy UGP在大规模动态场景和较小的子场景中均始终优于现有方法。

▲Hierarchy UGP在插值任务上的表现

此外，通过集成LOD技术和基于gsplat的工程增强，Hierarchy UGP实现了大规模动态场景的实时渲染。

对于外推任务，Hierarchy UGP显著优于所有其他基线方法。这一改进主要归因于虚拟扭曲视图的监督。

Waymo数据集是一个真实世界数据集，包含在实际道路上收集的数千个驾驶片段，每个片段包含以10Hz采样的20秒传感器数据。

下图中图片的定性结果表明，Hierarchy UGP在重建方面优于其他方法。

▲Waymo数据集上的定性比较

具体而言，Hierarchy UGP在人体物体上实现了显著更高的视觉指标，突出了其强大的动态元素建模能力，即使在大运动区域也是如此。

此外，结果表明Hierarchy UGP和OmniRe在测试帧上的视觉质量下降更为明显。这种下降发生是因为在这些帧中，行人运动完全未知，UGP 和 SMPL 都无法完全捕捉行人的运动，导致性能明显下降。尽管如此，Hierarchy UGP仍然与最先进的方法具有竞争力。

▲Waymo数据集上的定量比较

最后，研究者们计划将配套代码和Dynamic City数据集作为开源资源发布，以推动社区内的进一步研究。

二、共8篇论文中稿 含端到端模型、渲染框架等多方面

另外，除了已经公开的《Hierarchy UGP》论文，在ICCV 2025中理想汽车自动驾驶团队还有4篇论文中稿。

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。

▲《World4Drive》

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。

▲《RoboPerls》

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。

▲《HiNeus》

理想汽车与悉尼科技大学合作的《3D RealCar》论文，提出大规模真实三维车辆数据集3D RealCar，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。

▲《3D RealCar》

除理想汽车自动驾驶团队的论文外，理想汽车基座模型团队还有三篇论文被ICCV 2025录用。

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。

▲《DH-FaceVid-1K: A Large-Scale High-Quality Dataset for Face Video Generation》

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。

▲《QR-LoRA: Efficient and Disentangled Fine-tuning via QR Decomposition for Customized Generation》

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。

▲《Twig：Growing a Twig to Accelerate Large Vision-Language Models》

结语：理想汽车持续投入基础理论研究

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。

在基础理论研究过程中，理想汽车在独立研究之外，还积极与高校展开合作，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。

而理想汽车能在辅助驾驶、智能座舱等多方面表现出色，离不开其在底层研发的长期投入。