SEGAR: Selective Enhancement for Generative Augmented Reality
SEGAR：生成增强现实的定向增强
机构 * Cornell University（康奈尔大学） ； Cornell Tech（康奈尔科技） ； Toyota Research Institute（电装研究院）
AI总结 SEGAR结合扩散世界模型与定向修正阶段，实现生成增强现实中的区域特定编辑与安全区域对齐，为未来帧的生成、缓存和定向修正提供基础。
高校专区
Cornell University（康奈尔大学）
Let it Snow! Animating 3D Gaussian Scenes with Dynamic Weather Effects via Physics-Guided Score Distillation
让雪落下！通过物理引导的分数蒸馏动画3D高斯场景的动态天气效果
机构 * The Hebrew University of Jerusalem（希伯来大学耶路撒冷分校） ； Cornell University（康奈尔大学）
AI总结 本文提出物理引导的分数蒸馏框架，通过结合物理模拟和视频基于的分数蒸馏采样，实现3D场景的动态天气效果生成，提升真实感与动态一致性。
Comments Accepted to CVPR 2026. Project webpage: https://galfiebelman.github.io/let-it-snow/
Machine vision with small numbers of detected photons per inference
用少量检测光子进行机器视觉
机构 * School of Applied and Engineering Physics, Cornell University, Ithaca, NY 14853, USA（应用与工程物理系，康奈尔大学，纽约州伊萨卡市，14853，美国） ； Informatics Laboratories, NTT Research, Inc., Sunnyvale, CA 94085, USA（信息实验室，NTT研究公司，美国硅谷，94085，美国）
AI总结 本文提出光子感知神经形态传感(PANS)，在极低光条件下实现高效机器视觉，通过端到端优化在极低光环境下实现高准确率图像分类。
Comments 98 pages, 34 figures
When AI output tips to bad but nobody notices: Legal implications of AI's mistakes
当AI输出变差但没人注意到：AI错误的法律影响
机构 * Cornell Tech（康奈尔科技） ； Cornell University（康奈尔大学） ； d-AI-ta Consulting（d-AI-ta咨询公司） ； Dynamic Online Networks Laboratory（动态在线网络实验室） ； George Washington University（乔治华盛顿大学）
AI总结 本文探讨了生成式AI在法律领域中的错误风险，指出AI可能伪造法律案例和判例，导致专业制裁和声誉损害，并提出通过验证协议来应对技术责任问题。
Accelerated Parallel Tempering via Neural Transports
加速的神经传输并行退火
机构 * University of Oxford（牛津大学） ； University of Cambridge（剑桥大学） ； Cornell University（康奈尔大学） ； Xaira Therapeutics ； National University of Singapore（新加坡国立大学） ； University of British Columbia（不列颠哥伦比亚大学）
AI总结 本文提出利用神经采样器加速并行退火，通过减少相邻分布间的重叠需求，提升多模态采样效率并降低计算成本。
Comments Camera-ready version for ICLR 2026
