우리는 최적화된 이동최소자승법으로 구축된 벡터장을 이용하여 도면의 배치를 효율적으로 처리할 수 있는 방법을 제안한다. 일반적으로 전문 건축설계사무소에서는 특정영역에 건물들을 배치시키기 위해 디자이너가 수동으로 직접 위치를 결정하기 때문에 처리 비용이 클 뿐만 아니라 작업시간도 오래 걸린다. 이 비효율적인 문제를 해결하기 위해 우리는 최적화된 이동최소자승법을 기반으로 도면의 배치를 자동으로 결정할 수 있는 방법을 제안한다. 제안된 프레임워크에서는 우선 디자이너가 실제 건축설계를 원하는 사업장 영역을 선택하고 이 영역을 기반으로 지형의 흐름을 계산한다. 이동최소자승법을 최적화시켜 벡터장을 추출하고, 이 벡터장을 기반으로 도면의 회전 양을 결정한다. 제안된 방법으로 얻어진 도면배치는 실제로 건물을 배치할 때 나타나는 흐름과 매우 유사한 특징을 갖고 있으며, 결과적으로 디자이너의 비효율적인 노동력을 줄여 전반적인 건축설계과정의 효율성을 한층 높였다.

우리는 액체와 고체가 혼합된 표면을 세밀하게 복원하기 위해 하이브리드 부호거리장과 적응형 유체표면기술을 통합한 유체표면복원의 새로운 파이프라인을 제안한다. 이전 입자기반 유체 시뮬레이션은 입자가 불규칙하게 분포 될 때 유체표면에 노이즈 문제가 발생한다. 이 문제를 줄이기 위해 스무딩(Smoothing)기법을 적용하면 반복적인 스무딩과정으로 인해 선명하고 디테일한 유체의 표면적 특징을 소실하여 유체의 디테일이 사라지는 문제가 발생한다. 우리의 방법은 유체를 구성하는 입자기반의 부호거리값과 고체를 구성하는 삼각형기반의 부호거리값을 결합하여 하이브리드 부호거리장을 구성한다. 그리고 적응적으로 유체의 표면을 복원하는 방법을 제안하여 전체적인 효율성을 한 층 개선시킨다. 이렇게 하면 고체와 액체 부분의 세밀한 표면적 특징을 표현할 수 있을 뿐만 아니라 두 재질이 혼합되었을 때도 디테일한 표면의 특징과 부드러운 유체표면을 모두 나타낼 수 있다. 또한, 가이딩 형상이란 개념을 소개하여 부호거리값을 빠르게 얻어 올 수 있는 방법을 제안한다. 결과적으로, 하이브리드 부호거리장과 메쉬 재복원 기술을 적응형 프레임워크에서 통합함으로써 유체표면을 복원하는 파이프라인의 전반적인 효율성을 개선시켰다.

예측 시각적 분석 연구는 다양한 대화식 데이터 탐색 기법을 사용하여 예측 결과의 불확실성을 줄이는데 중점을 두었다. 대화식 탐색 기법의 목적은 변수간의 관계를 이해하고 알려지지 않은 변수를 예측하기 위한 적합한 모델을 선택함으로서 의사결정권자의 수준에 따른 예측결과의 품질 차이를 줄이는 것이다. 하지만 청소년 신체 성장 데이터와 같이 전체적인 추세가 알려지지 않은 시계열 데이터를 설명할 수 있는 예측 모델을 만드는 것은 어렵다. 본 논문에서는 불확실한 추세를 가지는 시계열 데이터 단편에서 물리적 성장 값을 예측하기 위한 새로운 예측 방법을 제안한다. 새로운 예측 방법은 특정 시점에서의 데이터 분포를 추정하는 방법으로 실험결과 기존 회귀 모델보다 높은 정확도를 갖는다. 또한 우리는 예측 모델링 과정에서 발생 가능한 불확실성을 최소화 할 수 있는 시각적 분석 방법을 제안한다.

최근 3차원 세포 배양이 가능해 지면서 세포의 부피, 3차원 형태 등을 보다 정확하게 확인할 수 있게 되었다. 일반적으로 세포의 3차원 단층 정보는 공초점 현미경 또는 전자 현미경과 같은 특수한 현미경을 이용하여 관찰 해야 한다. 그러나 공초점 현미경은 일반 현미경에 비해 비용이 비싸며, 촬영 시간이 오래 걸린다. 따라서 일반적으로 사용되는 광학 현미경으로 세포의 3차원 형태복원을 하는 방법이 필요하다. 본 논문에서는 다초점 형광 영상을 기반으로 영상의 추정된 초점 값(focus estimator value)을 이용해 세포를 3차원으로 형태 복원하는 방법을 제안한다. 먼저 3차원으로 배양된 세포를 광학 현미경으로 초점을 변경 하면서 다초점 영상들을 촬영한다. 이후 영상에서 circular Hough transform을 이용하여 세포 군집의 대략적인 위치를 ROI(Region Of Interest)로 정한다. 획득한 ROI에 MSBF(Modified Sliding Band Filter)를 적용하여 ROI 내에 세포 군집의 외곽선을 추출하고, 추출된 외곽선을 기준으로 추정 초점 값을 구한다. 계산된 초점 값과 현미경의 NA(Numerical Aperture)을 이용하여 깊이를 고려한 세포 군집의 외곽선을 추출하고 추출된 외곽선을 통해 세포들을 3차원으로 형태 복원한다. 복원 결과는 세포 영상의 in-focus가 된 부분들을 하나로 합친 영상과 비교하여 검증한다.