Korea Advanced Institute of Science and Technology（韩国科学技术院）

CtrlVTON: Controllable Virtual Try-On via Visual-Instance-Prompt Segmentation

CtrlVTON：通过视觉实例提示分割实现可控虚拟试穿

Seungyong Lee, Hyun Jun Jang, Sangoh Kim, Sungjoon Park

机构 * NXN Labs（NXN实验室） ； KAIST（韩国科学技术院） 纠错

AI总结 研究旨在解决虚拟试穿中用户对服装穿着方式控制不足的问题。提出通过VIP - SAM解决视觉实例提示分割，引入CtrlVTON可控框架，将试穿转为图像编辑问题并添加分割掩码控制布局。二者在各自任务达先进水平，CtrlVTON能更忠实地遵循用户布局且保证服装逼真度。

Comments 13 + 17 pages, 20 figures

Semantic Hardness Is Not Visual Hardness: Sign-Aware Hard Negative Mining for Sign Language Retrieval

语义难度并非视觉难度：用于手语检索的符号感知硬负样本挖掘

Junmyeong Lee, Chan Hur, ChangSu Choi, Sukmin Cho, Fitsum Gaim, Eui Jun Hwang, Hoyun Song, KyungTae Lim

机构 * School of Computing（计算机学院） ； Graduate School of Culture Technology（文化技术研究生院） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； ETRI Medical Informatics Laboratory（电子通信研究院医学信息学实验室） 纠错

AI总结 研究手语检索在细粒度场景的问题，提出符号感知硬负样本挖掘方法，通过在嵌入空间基于视觉易混淆性构建硬负样本，实验证明该方法能提升细粒度检索性能且保持粗粒度准确性。

Comments Accepted to ACL 2026 main

Journal ref Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), 2026, pages 28262-28277

Understanding Schedule-Free Methods in Nonconvex Optimization: Rate Guarantees and Escaping Saddles

理解非凸优化中无调度方法：速率保证与逃离鞍点

Jiseok Chae, Donghwan Kim

机构 * KAIST（韩国科学技术院） ； Natural Science Research Institute（自然科学研究所） ； Department of Mathematical Sciences（数学科学系） 纠错

AI总结 研究非凸优化中无调度方法，通过李雅普诺夫分析给出最坏情况收敛速率分析，还将无调度梯度下降建模为非自治动力系统，证明其在微小扰动下可避免严格鞍点，解释了该方法性能良好的原因。

Comments 44+7 pages, 2 figures