Cornell University（康奈尔大学）

PhotoFlow: Agentic 3D Virtual Photography Missions

PhotoFlow: 智能体式3D虚拟摄影任务

Jiarui Guo, Haojia Wei, Yiming Zhang, Yifei Liu, Yuning Gong, Hongjie Zhang, Xue Yang, Zhihang Zhong

机构 * Shanghai Jiao Tong University（上海交通大学） ； Northeastern University（东北大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Cornell University（康奈尔大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Sichuan University（四川大学） 纠错

AI总结 提出PhotoFlow智能体框架，通过导演-评审-反思闭环搜索机制，在任意Blender场景中根据语言指令自动完成虚拟摄影，并引入VPhotoBench基准，实验表明其在外观质量对齐和成功率上优于现有方法。

Composing People Together: Iterative Pose-Image Generation for Multi-Person Interaction Scenes

将人物组合在一起：面向多人交互场景的迭代姿态-图像生成

Wenxuan Peng, Bharath Hariharan, Hadar Averbuch-Elor

机构 * Cornell University（康奈尔大学） 纠错

AI总结 提出一种双姿态-图像表示方法，将人物结构先验引入预训练扩散Transformer，通过跨模态对齐和迭代场景构建，提升多人交互图像生成的提示对齐度和场景多样性。

Comments Accepted to SIGGRAPH Conference Papers 2026. 22 pages, 12 figures. Project page: https://cornell-vailab.github.io/PeopleComposer/

Active Sensing Subserves Task-Level Control

主动感知服务于任务级控制

Andrew Lamperski, Debojyoti Biswas, Eric S. Fortune, John Guckenheimer, Kathleen Hoffman, Noah J. Cowan

机构 * Department of Electrical and Computer Engineering, University of Minnesota（明尼苏达大学电气与计算机工程系） ； Laboratory for Computational Sensing and Robotics, Johns Hopkins University（约翰霍普金斯大学计算感知与机器人实验室） ； Federated Department of Biological Sciences, New Jersey Institute of Technology（新泽西理工学院联合生物科学系） ； Department of Mathematics, Cornell University（康奈尔大学数学系） ； Department of Mathematics and Statistics, University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校数学与统计学系） ； Department of Mechanical Engineering, Johns Hopkins University（约翰霍普金斯大学机械工程系） 纠错

AI总结 本文提出主动感知并非为减少状态不确定性，而是任务级控制的必然产物，并通过生物数据和数学理论支持这一观点，同时探讨了探索与利用两种行为模式的切换及其对工程系统的启示。

On the Robustness of Distribution Support under Diffusion Guidance

扩散引导下分布支撑的鲁棒性研究

Ruijia Cao, Yuchen Wu, Nisha Chandramoorthy

机构 * Center for Applied Mathematics, Cornell University（康奈尔大学应用数学中心） ； School of Operations Research and Information Engineering, Cornell University（康奈尔大学运筹学与信息工程学院） ； Department of Statistics, The University of Chicago（芝加哥大学统计学系） 纠错

AI总结 本文通过建立分布支撑的鲁棒性性质，理论解释了扩散引导为何能生成高质量样本，并覆盖DDIM和DDPM模型及多种离散化方案。

Computable Fairness: Boltzmann-Softmax Control for AI Resource Allocation

可计算公平性：面向AI资源分配的Boltzmann-Softmax控制

Ji-Won Park, Chae Un Kim

机构 * Regional Science, Cornell University（康奈尔大学区域科学系） ； Department of Economics, University of Ulsan（釜山大学经济系） ； Department of Physics, UNIST（UNIST物理系） 纠错

AI总结 针对大规模AI系统中资源分配的不公平问题，提出可计算公平划分（CFD）框架，将Boltzmann-Softmax函数重新解释为概率分配机制，并通过自适应硬上限控制器AHC++动态调节效率-公平平衡，抑制极端支配集中且保持吞吐量。

Comments 40 pages, 12 figures, 5 tables. Code: https://github.com/entrofy-ai/computable-fairness