본 연구에서는 다각형 메쉬 모델들에 대한 시뮬레이션 수행시 주요 병목현상으로 제기되는 충돌감지의 효율성을 높이기 위하여, 연속 시간사이에서 이산시간 스위프트로 형성된 프리즘을 단위로 하는 효율적 메쉬 컬링 기법을 제안한다. 제안 기법에서는 우선, 연속 시간사이에서 대응되는 두 삼각형을 이용하여 프리즘을 정의하고, 프리즘 단위의 폐쇄검사(Occlusion Query) 기반 가시성 테스트(Visibility Test)를 실시하여, 교차 가능성이 없는 프리즘을 세부 충돌테스트의 대상에서 제외시킨다. 또한, 가시성 테스트 결과로 추출된 프리즘의 충돌가능 집합(PCS: Potential Colliding Set)에서 충돌 가능성이 없는 프리즘의 쌍들을 분리축 테스트(SAT: Separating Axis Test)을 기반으로 분류하는 협대역 컬링(Narrow Band Culling)을 수행한다. 분리축 테스트 시, 두 프리즘의 영역을 각각의 반공간(Half Space)에 포함시키는 평면을 정의하고 이에 수직인 주축을 정의하여, 단일 주축에 대한 분리 검사를 수행함으로써 수행 효율성을 높인다. 제안기법의 성능을 평가하기 위하여 서로 다른 크기의 벤치마크 모델을 선정하고, 제안 기법 적용 전후의 세부 층돌검사 대상 프리즘 쌍의 수를 비교하였다. 또한, 단일 주축에 대한 분리축 테스트 기반 컬링의 효율성을 입증하기 위하여, 프리즘 쌍에 대한 가시성테스트 실험 결과와 비교하였다. 2916개와 2731개의 삼각형으로 구성된 두 메쉬모델에 대한 컬링 실험에서, 제안 컬링기법 적용시 99%의 효과적인 컬링결과를 얻었다.

레벨디자인은 게임 개발에 있어 가장 중요한 부분 중 하나이지만, 많은 게임 내 구성 요소가 복합적으로 영향을 미치어 최적의 조합을 찾기가 어려운 문제이다. 본 논문에서는 유전자 알고리즘을 사용하여 범용적인 게임 레벨 생성을 위한 방법을 새로이 제안한다. 제안된 시스템을 통해 게임 디자이너는 단순화된 목표 수치 입력만으로도 다양한 게임 구성 요소로 이루어진 레벨을 근사화시켜 생성할 수 있게 된다. 이는 게임 레벨 디자인 업무 프로세스 상에서 원하는 최적의 레벨을 구성하는데 걸리는 시행 착오 시간을 단축시키는데 도움이 될 수 있다.

21세기 들어 디지털 카메라가 널리 보급되면서 사진을 이용하거나 사진을 위한 많은 연구들이 컴퓨터 그래픽스 커뮤니티에 소개되고 있다. 이러한 연구들은 계산 사진학이라고 불리고 있는데, 이 논문에서는 계산 사진학이 수 천년 사진학의 역사에서 어떤 흐름을 거쳐 발생했는지 설명한다. 또한 사진학의 역사를 패러다임의 전환으로 나누고, 계산 사진학이 어떠한 패러다임 전환기 결과물인지 설명한다. 이를 통해 계산 사진학의 향후 연구 방향을 제시하려 한다.

오늘날 실제 사람의 움직임을 촬영하여 얻은 동작 데이터는 영화제작, 게임 개발, 재활의학, 스포츠 분석 등의 다양한 분야에서 활용되고 있다. 시간에 따라 변화하는 일련의 자세로 이루어진 동작 데이터는 그 내용을 신속하고 정확하게 파악하는 것이 쉽지 않다. 이는 특히 많은 양의 동작데이터를 관리하고 원하는 동작을 찾고자 할 때 장애가 되곤 한다. 널리 사용되는 한 가지 방법은 동영상을 재생하듯이 관찰 시점을 진전시키는 동시에 3차원 공간상의 시야를 조절하는 것이다. 하지만 이 방식은 시점과 시야의 두 요소를 함께 고려하면서 데이터의 길이에 비례하는 시간 동안 지속적인 상호작용을 수행하여야 하는 번거로움을 야기한다. 본 논문은 동작 데이터를 분석하여 일련의 효과적인 관찰 시점 및 시야를 자동으로 찾아내고, 이로부터 생성된 이미지 시퀀스를 만화책 레이아웃 형식으로 배치하는 새로운 시각화 방법을 제안한다. 사용자는 만화책을 읽는 것처럼 바르게 전체 흐름을 파악할 수 있고, 원하는 동작이 등장하는 부분을 쉽게 찾아낼 수 있다. 이동, 권투, 환경과의 상호작용 등 여러 종류의 동작 데이터를 만화책 형식으로 시각화한 결과를 보임으로써 제안된 방법의 유용성을 확인하였다.