실제 사람의 움직임을 촬영하여 얻은 동작 데이터는 인체운동의 메커니즘을 이해하거나 가상 캐릭터의 애니메이션을 합성하기 위한 목적으로 널리 활용되고 있다. 주어진 동작 데이터로부터 원하는 동작을 검색하는 작업은 찾아낸 동작을 분석하고 편집하기 전에 선행되어야 하는 주요 과정이다. 본 논문은 기술어와 같은 별도의 메타 데이터 없이 원본 데이터에 내재된 정보만을 이용하여 검색을 수행하는 새로운 내용 기반 동작 데이터 검색 방법을 제안한다. 주로 신체 자세의 골격 형태나 평면 상의 이동 궤적에 초점을 맞춘 기존 검색 방식과 달리, 본 논문에서 제안하는 방법은 3차원 공간 상의 궤적을 질의로 입력 받아서 손, 발, 허리와 같은 신체 부위의 이동 궤적이 그와 가장 유사한 일련의 동작 구간들을 검출한다. 사용자가 직관적으로 공간적 궤적을 묘사할 수 있도록 하기 위하여, 본 논문의 실험에서는 손가락의 공간적 움직임을 정밀하게 추적할 수 있는 Leap Motion 제어기를 입력 도구로 사용하였다. 드리블, 슈팅 등의 다양한 동작이 포함된 농구 동작 데이터로부터 미리 선택된 수십 여개의 동작을 검색하는 사용자 테스트를 수행하여 제안된 방법의 효용성을 평가하였다.

본 논문에서는 육하원칙 정보를 기반으로 홈비디오에서 키프레임을 추출하는 방법을 제시한다. 키프레임 추출방법이란 비디오에서 중요하다고 생각되는 특정 프레임만을 선출하여 비디오를 요약하는 방법이다. 홈비디오의 경우 그 주제가 다양하여 특별한 가정을 통한 정보 추출이 어렵고, 주로 인물이 비디오의 중심이 되기 때문에 인물의 행동을 중심으로 요약을 수행하여야 한다. 본 논문에서는 인물의 얼굴, 인물의 행동, 전체 배경 정보를 분석하여 인물 중심의 보편적인 요약 기준인 육하원칙의 주요 정보를 추출한다. 추가적으로 비디오의 매 프레임의 블러 크기를 측정하여 이용함으로써 프레임별로 얼마나 많은 정보를 포함하고 있는지 측정하고, 가장 많은 정보를 포함한 프레임을 키프레임으로 선출한다. 사용자 실험을 통해 사용자가 홈비디오에서 여러 개의 키프레임을 선택할 경우, 기존의 방법보다 사용자의 선택과 유사함을 확인할 수 있다.

본 연구에서는, 결과물의 우수함을 유지하면서도 기존 연구결과의 성능을 4-7배 향상시킨 실시간 GPU 등가면 볼륨 레이케스터를 제시한다. 이러한 성능 향상은 효율적인 빈공간 생략법과 분석적 그레디언트 계산법을 도입함으로써 가능하다. 빈공간 생략법은 스플라인 조각들의 BB-형식으로부터 만등어진 최소/최대값 옥트리에 기반하고 있고, 분석적 그레디언트 계산법은 보다 정확한 렌더링 결과를 제공할 뿐 아니라 더욱 빠른 계산이 가능하도록 한다.