又有很多自动驾驶工作中稿了ICCV 2025，我们发现了一些新趋势的变化...

最新推荐文章于 2025-12-03 15:13:50 发布

转载最新推荐文章于 2025-12-03 15:13:50 发布 · 358 阅读

CC 4.0 BY-SA版权

原文链接：https://mp.weixin.qq.com/s?__biz=Mzg2NzUxNTU1OA==&mid=2247675307&idx=1&sn=94976392c9ea5e517ac4f07e5f469ea0&chksm=cf188971d74ccc1f738ff2bc118fdcc6e9f4311c5e206d9d920863391f1eb8d71acd81a48b0d&scene=126&sessionid=0

文章标签：

#自动驾驶 #人工智能 #机器学习

点击下方卡片，关注“自动驾驶之心”公众号

戳我-> 领取自动驾驶近30个方向学习路线

八月份ICCV 2025有很多工作放出来了。自动驾驶之心团队为大家梳理了相关方向的中稿文章。整体来看，学术界和工业界研究的方向聚焦在以下几个方向：

VLM & VLA：毋庸置疑，多模态大模型和VLA是今年最火的赛道，这两个月也有很多工作源源不断推出。对于自动驾驶VLA来说，Action定义在自车轨迹这一层级，主流范式遵循『预训练-微调-强化学习』三阶段的范式，通用自动驾驶VLM基础模型仍然缺失（自动驾驶视觉数据和大模型对齐），期待工业界持续的发力；
闭环仿真 & 世界模型：基于世界模型和3DGS的闭环仿真方向也是另一大热点，无论是基于重建的方法还是基于生成的方法，都可以应用于闭环仿真。受限于实车开环测试的局限性，闭环仿真也是这两年自动驾驶的刚需。一方面是降成本，另一方面是模型迭代效率。据自动驾驶之心了解，业内多家公司都在攻坚闭环仿真，但做的好的寥寥无几，当前的效果只能说是在『能用』的阶段，并且工业界聚焦在更细力度上的性能，不止是整体的重建效果，比如车道线、待转区、红绿灯、车灯、行人步态等等会影响自车行为的因素都是实际需要考虑的；
OCC和检测：OCC和检测还是有很多工作中稿的，但不在局限于『刷性能』，我们看到了很多细分方向的工作，OCC和世界模型、开集目标检测、检测+Mamba、OCC和Gaussion等等，这些相对成熟的方向正在深挖小的痛点和难点；

除此之外，MoE和自动驾驶的结合、自动驾驶的BenchMark、扩散模型轨迹生成等等也是值得关注的方向。

多模态大模型 & VLA

标题：ORION: A Holistic End-to-End Autonomous Driving Framework by Vision-Language Instructed Action Generation
链接：https://arxiv.org/abs/2503.19755
主页：https://xiaomi-mlab.github.io/Orion/
单位：华科、小米

标题：All-in-One Large Multimodal Model for Autonomous Driving
链接：https://arxiv.org/abs/2412.07689
主页：https://zhijian11.github.io/DriveMM/
单位：中山&美团

标题：MCAM: Multimodal Causal Analysis Model for Ego-Vehicle-Level Driving Video Understanding
链接：https://arxiv.org/abs/2507.06072
代码：https://github.com/SixCorePeach/MCAM
单位：重庆大学

标题：AdaDrive: Self-Adaptive Slow-Fast System for Language-Grounded Autonomous Driving\
主页：https://github.com/ReaFly/AdaDrive

标题：VLDrive: Vision-Augmented Lightweight MLLMs for Efficient Language-grounded Autonomous Driving
主页：https://github.com/ReaFly/VLDrive

标题：ETA: Efficiency through Thinking Ahead, A Dual Approach to Self-Driving with Large Models
链接：https://arxiv.org/abs/2506.07725
主页：https://github.com/OpenDriveLab/ETA
单位：科奇大学、港大、OpenDriveLab

更多学术界和工业界的前沿和讨论，欢迎加入自动驾驶之心知识星球，截止到目前，星球内部为大家梳理了近40+技术路线，无论你是咨询行业应用、还是要找最新的VLA benchmark、综述和学习入门路线，都能极大缩短检索时间。星球还为大家邀请了数十位自动驾驶领域嘉宾，都是活跃在一线产业界和工业界的大佬（经常出现的顶会和各类访谈中哦）。欢迎随时提问，他们将会为大家答疑解惑。

精华内容一览：

仿真 & 重建

标题：Dream-to-Recon: Monocular 3D Reconstruction with Diffusion-Depth Distillation from Single Images
链接：https://arxiv.org/abs/2508.02323
主页：https://philippwulff.github.io/dream-to-recon
单位：TUM

标题：CoDa-4DGS: Dynamic Gaussian Splatting with Context and Deformation Awareness for Autonomous Driving
链接：https://arxiv.org/abs/2503.06744
主页：https://rruisong.github.io/publications/CoDa-4DGS/
单位：Fraunhofer IVI、TU Munich

标题：RoboTron-Sim: Improving Real-World Driving via Simulated Hard-Case
链接：https://arxiv.org/abs/2508.04642
主页：https://stars79689.github.io/RoboTron-Sim/
单位：美团、中山大学

标题：InvRGB+L: Inverse Rendering of Complex Scenes with Unified Color and LiDAR Reflectance Modeling
链接：https://arxiv.org/abs/2507.17613
单位：清华大学，伊利诺伊大学厄巴纳 - 香槟分校

标题：AD-GS: Object-Aware B-Spline Gaussian Splatting for Self-Supervised Autonomous Driving
链接：https://arxiv.org/abs/2507.12137
主页：https://jiaweixu8.github.io/AD-GS-web/
单位：南开大学，伊利诺伊大学厄巴纳 - 香槟分校

标题：BézierGS: Dynamic Urban Scene Reconstruction with Bézier Curve Gaussian Splatting
链接：https://arxiv.org/abs/2506.22099
主页：https://github.com/fudan-zvg/BezierGS
单位：复旦大学，上海创新研究院

标题：RGE-GS: Reward-Guided Expansive Driving Scene Reconstruction via Diffusion Priors
链接：https://arxiv.org/abs/2506.22800
主页：https://github.com/CN-ADLab/RGE-GS
单位：清华大学，浙江大学，菜鸟网络

端到端 & 轨迹预测

标题：Foresight in Motion: Reinforcing Trajectory Prediction with Reward Heuristics
链接：https://arxiv.org/abs/2507.12083
单位：香港科技大学，滴滴，卓驭科技

标题：Generative Active Learning for Long-tail Trajectory Prediction via Controllable Diffusion Model
链接：https://arxiv.org/abs/2507.22615
单位：韩国DGIST智能系统与学习实验室等

世界模型

标题：World4Drive: End-to-End Autonomous Driving via Intention-aware Physical Latent World Model
链接：https://arxiv.org/abs/2507.00603
主页：https://github.com/ucaszyp/World4Drive
单位：中国科学院自动化研究所，理想，新加坡国立大学等

标题：MagicDrive-V2: High-Resolution Long Video Generation for Autonomous Driving with Adaptive Control
链接：https://arxiv.org/abs/2411.13807
主页：https://github.com/flymin/MagicDrive-V2
单位：香港中文大学，华为诺亚方舟实验室等

标题：DiST-4D: Disentangled Spatiotemporal Diffusion with Metric Depth for 4D Driving Scene Generation
链接：https://arxiv.org/pdf/2503.15208
主页：https://github.com/royalmelon0505/dist4d
单位：清华大学，旷视科技等

标题：Driving View Synthesis on Free-form Trajectories with Generative Prior
链接：https://arxiv.org/abs/2412.01717
主页：https://github.com/fudan-zvg/DriveX
单位：复旦大学，萨里大学

标题：Stag-1: Towards Realistic 4D Driving Simulation with Video Generation Model
链接：https://arxiv.org/abs/2412.05280
主页：https://github.com/wzzheng/Stag
单位：北京大学，清华大学，北京航空航天大学

标题：HERMES: A Unified Self-Driving World Model for Simultaneous 3D Scene Understanding and Generation
链接：https://arxiv.org/abs/2501.14729
主页：https://github.com/LMD0311/HERMES
单位：华中科技大学，香港大学等

标题：InfiniCube: Unbounded and Controllable Dynamic 3D Driving Scene Generation with World-Guided Video Models
链接：https://arxiv.org/abs/2412.03934
主页：https://github.com/nv-tlabs/InfiniCube
单位：NVIDIA，上海交通大学，多伦多大学

标题：Epona: Autoregressive Diffusion World Model for Autonomous Driving
链接：https://arxiv.org/pdf/2506.24113
主页：https://github.com/Kevin-thu/Epona
单位：清华大学，地平线，北京大学

占用网络

标题：Occupancy Learning with Spatiotemporal Memory
链接：https://arxiv.org/abs/2508.04705
主页：https://matthew-leng.github.io/stocc
单位：加利福尼亚大学

标题：GS-Occ3D: Scaling Vision-only Occupancy Reconstruction for Autonomous Driving with Gaussian Splatting
链接：https://arxiv.org/abs/2507.19451
主页：https://gs-occ3d.github.io/
单位：清华大学、上海期智研究院、BAAI等

标题：From Binary to Semantic: Utilizing Large-Scale Binary Occupancy Data for 3D Semantic Occupancy Prediction
链接：https://arxiv.org/abs/2507.13387
主页：https://github.com/ToyotaInfoTech/b2s-occupancy
单位：丰田汽车公司

标题：Disentangling Instance and Scene Contexts for 3D Semantic Scene Completion
链接：https://arxiv.org/abs/2507.08555
主页：https://github.com/Enyu-Liu/DISC
单位：华中科技大学

标题：Feed-Forward SceneDINO for Unsupervised Semantic Scene Completion
链接：https://arxiv.org/abs/2507.06230
主页：https://visinf.github.io/scenedino
单位：慕尼黑工业大学，牛津大学等

标题：GaussRender: Learning 3D Occupancy with Gaussian Rendering
链接：https://arxiv.org/abs/2502.05040
主页：https://github.com/valeoai/GaussRender
单位：Valeo AI，索邦大学

标题：GaussianOcc: Fully Self-supervised and Efficient 3D Occupancy Estimation with Gaussian Splatting
链接：https://arxiv.org/abs/2408.11447
主页：https://ganwanshui.github.io/GaussianOcc/
单位：东京大学，华南理工大学等

标题：Language Driven Occupancy Prediction
链接：https://arxiv.org/abs/2411.16072
主页：https://github.com/pkqbajng/LOcc
单位：浙江大学、菜鸟网络等

标题：ALOcc: Adaptive Lifting-based 3D Semantic Occupancy and Cost Volume-based Flow Prediction
链接：https://arxiv.org/abs/2411.07725
主页：https://github.com/cdb342/ALOcc
单位：澳门大学，阿卜杜拉国王科技大学

目标检测

标题：Rethinking Backbone Design for Lightweight 3D Object Detection in LiDAR
链接：https://arxiv.org/abs/2508.00744
单位：德国伍珀塔尔大学TMDT研究所

标题：Perspective-Invariant 3D Object Detection
链接：https://arxiv.org/abs/2507.17665
主页：https://pi3det.github.io
单位：新加坡国立大学，复旦大学，中国科学院大学

标题：SFUOD: Source-Free Unknown Object Detection
链接：https://arxiv.org/abs/2507.17373
主页：https://github.com/KU-VGI/SFUOD
单位：韩国庆熙大学，韩国高丽大学

标题：MambaFusion: Height-Fidelity Dense Global Fusion for Multi-modal 3D Object Detection
链接：https://arxiv.org/abs/2507.04369
主页：https://github.com/AutoLab-SAI-SJTU/MambaFusion
单位：中国科学院自动化研究所、中国科学院大学、上海交通大学

标题：Towards Accurate and Efficient 3D Object Detection for Autonomous Driving: A Mixture of Experts Computing System on Edge
链接：https://arxiv.org/abs/2507.04123
主页：https://github.com/LinshenLiu622/EMC2
单位：约翰霍普金斯大学，杜克大学，香港科技大学

标题：OcRFDet: Object-Centric Radiance Fields for Multi-View 3D Object Detection in Autonomous Driving
链接：https://arxiv.org/abs/2506.23565
主页：https://github.com/Mingqj/OcRFDet
单位：南京理工大学

数据集

标题：Are VLMs Ready for Autonomous Driving? An Empirical Study from the Reliability, Data, and Metric Perspectives
链接：https://arxiv.org/abs/2501.04003
主页：https://github.com/drive-bench/toolkit
单位：加州大学欧文分校、上海AI Lab等

标题：ROADWork Dataset: Learning to Recognize, Observe, Analyze and Drive Through Work Zones
链接：https://arxiv.org/abs/2406.07661
主页：https://www.cs.cmu.edu/~ILIM/roadwork_dataset/
单位：卡内基梅隆大学

标题：Where, What, Why: Towards Explainable Driver Attention Prediction
链接：https://arxiv.org/abs/2506.23088
主页：ttps://github.com/yuchen2199/Explainable-Driver-Attention-Prediction
单位：中山大学，新加坡国立大学

标题：Interaction-Merged Motion Planning: Effectively Leveraging Diverse Motion Datasets for Robust Planning
链接：https://arxiv.org/abs/2507.04790
单位：韩国科学技术院，DGIST

标题：ETA: Efficiency through Thinking Ahead, A Dual Approach to Self-Driving with Large Models
链接：https://arxiv.org/abs/2506.07725
主页：https://github.com/opendrivelab/ETA
单位：科奇大学，香港大学（中国）等

标题：Fine-Grained Evaluation of Large Vision-Language Models in Autonomous Driving
链接：https://arxiv.org/pdf/2503.21505
主页：https://github.com/Depth2World/VLADBench
单位：中国科学技术大学，华为诺亚方舟实验室，加州大学伯克利分校

标题：DATAD: Driver Attention in Takeover of Autonomous Driving
主页：https://github.com/OOPartsfili/DATAD-driver-attention-in-takeover-of-autonomous-driving

其他

标题：Dynamic-DINO: Fine-Grained Mixture of Experts Tuning for Real-time Open-Vocabulary Object Detection
链接：https://arxiv.org/abs/2507.17436
单位：浙江大学，中兴通讯

标题：Mind the Gap: Aligning Vision Foundation Models to Image Feature Matching
链接：https://arxiv.org/abs/2507.10318
单位：西安交通大学

标题：Beyond One Shot, Beyond One Perspective: Cross-View and Long-Horizon Distillation for Better LiDAR Representations
链接：https://arxiv.org/abs/2507.05260
主页：http://github.com/Xiangxu-0103/LiMA
单位：新加坡国立大学&南京航空航天大学&浙大&南邮

标题：Stronger, Steadier & Superior: Geometric Consistency in Depth VFM Forges Domain Generalized Semantic Segmentation
链接：https://arxiv.org/abs/2504.12753
主页：https://github.com/anonymouse-xzrptkvyqc/DepthForge
单位：集美大学，中山大学，西安电子科技大学等