컴퓨터 애니메이션 및 로보틱스 분야에서 장애물을 회피하면서 목적지에 도착하는 것은 어려운 과제이다. 특히 이동 경로의 계획과 적절한 동작의 계획을 동시에 수행하는 것은 기존에 많이 다루어지지 않은 연구분야이다. 최근 연구자들은 데이터 기반 생성 모델인 VAE(Variational Auto-Encoder)를 활용하여 캐릭터 모션을 생성하는 문제를 활발하게 연구해왔다. 본 연구에서는 VAE 생성 모델을 동작 공간으로 확장하고, 잠재 공간에서 강화학습을 적용한 MVAE 모델을 활용한다[1]. 이 접근 방식을 통해 학습된 정책을 사용하면 에이전트는 고정된 장애물과 움직이는 장애물을 모두 피하면서, 자연스러운 움직임으로 목적지에 도달할 수 있다. 캐릭터는 무작위 방향으로 이동하는 장애물을 견고하게 회피할 수 있었고, 기존 연구보다 성능이 뛰어나고 학습 시간도 단축됨을 실험적으로 보였다.

신장암 치료를 위한 부분 신장 절제술에서 수술 계획을 위한 신장 종양의 정확한 크기와 위치 등의 정보가 필수적이다. 따라서 신장 종양을 정확하게 분할하는 것이 중요하지만, 종양이 주변 장기와 밝기값이 유사하고 위치 및 크기가 환자마다 다양하여 분할에 어려움이 있다. 본 연구에서는 신장 종양의 분할 성능 개선을 목표로, 영상 내 지역적 및 전역적 특징을 모두 고려할 수 있는 합성곱 신경망과 트랜스포머가 결합된 하이브리드 네트워크를 제안한다. 제안 방법은 UNETR++와의 비교 실험에서 다이스 유사계수 78.54%, 정밀도 85.07%로 전반적으로 우수한 성능을 보였다. 또한, 종양 크기별 분석에서는 UNETR++에서 관찰되는 과대 분할 및 이상치가 개선된 결과를 보였다.

본 논문에서는 의료 영상 분류를 위한 심층 신경망 훈련에서 StyleGAN 합성 영상의 데이터 증강 효과를 분석한다. 이를 위해 흉부 X선 영상에서의 폐렴 진단과 복부 CT 영상에서의 간전이암 분류 문제에서 StyleGAN 합성 영상을 이용하여 VGG-16 심층 합성곱 신경망 훈련을 수행한다. 실험에서 분류 결과에 대한 정량적, 정성적 분석을 통해 StyleGAN 데이터 증강이 특징 공간에서 클래스 외곽을 확장하는 특성을 보이며, 이와 같은 특성으로 인해 실제 영상과의 적절한 비율을 통해 혼합했을 때 분류 성능이 개선될 수 있음을 확인하였다.

본 연구는 산림치유를 위해 가상현실 시스템을 적용하여 멀미를 줄이고, 몰입감을 높이기 위해 다감각 요소를 사용하였다. 가상현실 시스템을 적용하는 데 있어 멀미를 줄이는 수단으로 다감각적 요소를 사용하면서 더욱 몰입감 있는 경험을 제공하려 한다. 이를 위해 바람과 향기를 이용한 촉각과 후각 장치를 개발하여 사용하였다. Unity3D의 HDRP(High Definition Render Pipeline)을 사용하여 프로그램을 개발했고, HMD(Head Mounted Display)시스템과 non-HMD(non-Head Mounted Display)시스템을 구축하여 시각적 움직임으로 멀미를 유발하는지 확인하였다. 향기를 맡을 수 있게 후각 장치와 바람을 맞는 듯한 촉각을 주기 위해 에어서큘레이터(Air circulator)를 배치하였고 이를 통해 후각과 촉각이 가상현실 산림치유 시스템에 대한 만족도에 영향을 끼치는지 확인하기 위해 실험을 설계하였다. 실험결과 촉각 장치는 멀미를 줄이는 것에 유의미한 결과를 얻었으나, 개발된 후각 장치가 피험자에게 멀미를 줄이는 것에 대한 유의미한 결과를 얻지 못하였다.