而2025年ICCV大会共收到了11239份有效投稿，为汗青最多，这些投稿经过评审后接受2698篇论文，接受率为24%，由此能够看出梦想汽车这次多篇论文中稿ICCV的含金量。 梦想汽车CEO李想也在社交媒体上发文暗示：“若是各人对ICCV论文含金量不太理解，能够类比医学界的《柳叶刀》论文，每一篇都能代表世界级的‘学术金牌’。” 此表，李想还提到，除梦想汽车自动驾驶团队中稿的5篇论文表，梦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。 目前，梦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，这篇论文的是梦想汽车与浙江大学合作在世界模型方面的进展。 在署名作者中能够看到，梦想汽车智能驾驶高级算法专家詹锟、梦想汽车高级算法工程师王一达的名字出现了论文署名中。 论文中暗示，近年来可微渲染技术的进取显著提升了动态街景沉建的成效。然而，大规模场景和动态元素（如车辆和行人）的复杂性仍是沉大挑战，现有步骤通常难以扩大到大型场景或正确建模肆意动态。 为解决这些限度，钻研者提出Hierarchy UGP，其构建了由根层级、子场景层级和基元层级组成的档次结构，并使用在四维空间中界说的统一高斯基元（UGP）作为暗示，实现动态静态长达1km的沉建能力。 根层级作为档次结构的入口点。在子场景层级，场景在空间上被划分为多个子场景，并提取各类元素。在基元层级，每个元素通过UGP建模，其全局位姿由与功夫有关的活动先验节造。 子场景并行优化选取“块级对象训练战术”，预防跨子场景动态对象的滋扰，通过“功夫尺度初始化”提升大幅活动区域的拟合精度。 与Waymo和PandaSet等公开数据集相比，Dynamic City数据集蕴含更宽泛的街景，钻研者将该数据集作为开源资源颁布，以推动大规模动态街景沉建的钻研。 为证明算法的有效性并确保平正比力，钻研者进行了两个尝试：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。 此表，了局批注Hierarchy UGP和OmniRe在测试帧上的视觉质量降落更为显著。这种降落产生是由于在这些帧中，行人活动齐全未知，UGP 和 SMPL 都无法齐全捉拿行人的活动，导致机能显著降落。只管如此，Hierarchy UGP依然与最先进的步骤拥有竞争力。 在端到端规划模型方面，梦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进建实现无需感知标注的端到端规划模型。 梦想汽车与榆林大学合作的《RoboPerls》论文，利用3DGS构建面向机械人操作的可编纂视频仿真框架，可能从示范视频构建拥有照片级真实赣凝视角一致的仿真环境，支持机械人的数据合成。 梦想汽车独立实现的《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、加强低纹理表表复原并保留精密结构细节。 梦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、高多样性等个性，将有力推进三维车辆鉴别与沉建技术的发展。 梦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、大容量等个性，可用于训练多模态数字人脸视频天生基座大模型。 梦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造化微调范式，可适配现有各类天生模型，训练参数为通常LoRA的一半，微调速度更快，并能用于多属性组合天生等定造化场景。 梦想汽车颁发的《Twig：Growing a Twig to Accelerate Large Vision-Language Models》论文，提出一种自适应VLM Token压缩&推理加快步骤，通过度支疏导的Token剪枝战术&自投契解码战术，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阶段的模型推算效能，在长问答Task上可实现1.5倍的提速。 梦想汽车此前已在人为智能领域的顶级学术会议和期刊上崭露头角。近3年，梦想汽车萦绕端到端、世界模型、VLA和基座模型等主题技术，在AAAI、CVPR、ICRA等顶级学术平台颁发了近50篇论文。 在基础理论钻研过程中，梦想汽车在独立钻研之表，还积极与高校发展合作，可能充分利用高校的科研资源和人才优势，加快技术钻研过程。