단안 영상에서 3차원 입체영상으로 변환한 결과물의 품질은장면의 물체들에게 부여한 깊이 정보의 정확도에 의존적이다. 영상의 매 프레임마다 장면의 물체들의 깊이 정보를 수동으로 입력하는 것은 많은 시간을 필요로 하는 노동집약적인 작업이다. 특히, 높은 자유도를 가진 관절형 물체인 인간의 몸은 고품질 입체변환에 있어서 가장 어려운 물체 중에 하나이다. 다양한 스타일의 옷, 액세서리, 머리카락들이 만드는 매우 복잡한 실루엣은 문제를 더욱 어렵게 한다. 본 논문에서는 단안 영상에 나타난 인간 오브젝트의 고품질 깊이 정보를 생성하는 효율적인 방법을 제안한다. 먼저, 적은 수의 사용자입력을 기반으로 3 원 템플릿 모델을 순차 관절 각도 제약을 가진 자세 추정 방법을 통해서 영상에 등장하는 2차원 인간 오브젝트에 정합한다. 정합된 3차원 모델로부터 초기 깊이 정보를 획득한 뒤, 컬러 세그멘테이션 방법을 기반으로 한 부분 깊이 전파 방법을 통해 세밀한 표현을 보장하며 누락된 영역을 포함하는 최종 깊이 정보를 생성한다. 숙련된 아티스트들의 수작업 결과물과 제안된 방법의 결과물을 비교한 검증 실험은 제안된 방법이 단안 영상에서 동등한 수준의 깊이 정보를 효율적으로 생성한다는 것을 보여준다.

본 논문에서는 특징 기반 영상모핑(feature-based image morphing)을 위한 GPU (Graphics Processing Unit) 기반의 가속화 기법을 제시한다. 제안된 기법은 모핑과정에서 픽셀과 제어선 사이의 최단거리를 효율적으로 계산하기 위해 그래픽스 하드웨어의 깊이 버퍼(depth-buffer)를 이용한다. 먼저 원본영상(source image)과 최종영상(destination image)에 사용자입력을 통해 특징을 표현하는 제어선들을 지정하고, 각 제어선의 거리함수(distance function)를 서로 다른 색상을 갖는 두개의 사각형과 원뿔로 렌더링한다. 그래픽스 파이프라인(graphics pipeline)을 통해 각 픽셀에서 가장 가까운 제어선까지의 거리는 깊이 버퍼에 저장되고, 이는 모핑연산을 효율적으로 수행하는데 사용된다. 본 논문에서는 픽셀 단위의 모핑 연산을 CUDA(Compute Unified Device Architecture)를 이용하여 병렬화함으로써 모핑의 속도를 더욱 향상시키며, 다양한 크기의 입력영상에 대하여 각각 CPU와 GPU를 이용한 영상모핑 실험을 통해 제안된 기법의 효율성을 입증한다.

본 논문은 물리 시뮬레이션 환경에서 일련의 강체요소가 인과사슬에 따라 연쇄적으로 구동되는 가상의 루브 골드버그 기계를 합성하기 위한 예제 기반 접근방법을 제안한다. 일련의 요소 집합이 주어졌을 때, 본 논문의 목표는 사용자가 명시한 이동의 시작 및 종료위치, 그리고 경계 영역 조건을 만족하는 범위에서 이들 요소로만 구성된 루브 골드버그 기계를 자동으로 구축하는 것이다. 이를 위하여, 먼저 적은 개수의 요소로 구성된 소규모 컴포넌트들을 무작위로 추출한 후 모든 컴포넌트 쌍에 대한 결합 가능성을 하나의 그래프 구조로 표현한다. 이 그래프 위에서의 경로 탐색을 통하여 공간 상에 펼쳤을 때 사용자가 지정한 요구 조건을 만족시키는 경로를 찾고, 해당 경로에 따라 순차적으로 컴포넌트를 조립함으로써 기계를 구축한다. 완성된 기계가 물리 시뮬레이션 환경에서 정확히 동작함을 보장하기 위하여, 끝으로 간단한 그리디 알고리즘을 적용하여 조립된 컴포넌트들의 위치를 정교하게 조절한다. 다섯 종류의 요소만을 이용하여 만든 다양한 구조의 루브 골드버그 기계를 보임으로써 본 논문에서 제안한 방법의 유용성을 보인다.