책상 위에 놓인 젖은 옷감을 움직이기 위해서는 마른 옷감을 움직일 때와 비교하여 더 많은 힘이 필요하게 되는데, 그 이유는 젖은 옷감과 책상의 표면 사이의 위치한 유체가 접착력을 만들어내기 때문이다. 본 논문은 젖은 옷감이 물체의 표면에 달라 붙는 현상에 집중하여 젖은 옷감을 표현한다. 접착력을 계산하기 위해서 우리는 섬유 관련 연구 분야에서 실제 실험을 기반으로 모델링한 접착력 모델을 활용하였고, 기존 연구와 다르게 젖은 옷감이 물체와 닿아있는 부분에서도 자연스럽게 주름이 만들어지는 모습을 표현한다. 젖은 옷감이 물체에 달라 붙는 현상과 더불어 젖은 옷감끼리도 서로에게 달라 붙는 현상을 표현함으로써 보다 실제의 젖은 옷감과 유사한 결과를 보인다.

본 논문에서는 입자 기반 유체 시뮬레이션에서 과하게 보존되는 액체 시트를 제거함으로써 유체 표면의 디테일을 개선시키는 새로운 방법을 제안한다. 지금까지 울퉁불퉁하고 구멍이 생기는 유체 표면의 고질적인 문제를 해결하기 위한 다양한 비등방성 접근법들은 제안되었지만, 액체 시트의 보존과 분해를 안정적으로 표현할 수 있는 방법은 제시되지 않았다. 본 연구에서는 비등방성 커널과 밀도를 기반으로 하여 물 입자를 동적으로 추가/삭제함으로 입자 기반 유체시뮬레이션에서 액체 시트의 보존과 분해라는 두 가지 특징을 동시에 표현할 수 있는 새로운 프레임워크를 제안한다. 이 방법은 입자 기반 유체 시뮬레이션 접근법에서 과하게 보존되는 액체 시트를 제거함으로써 분열되는 유체 시트의 특징을 잘 표현했으며, 결과적으로 노이즈를 없애 액체 시트의 품질을 개선시켰다.

사이버 멀미는 VR 체험 중 발생하는 증상으로, 주로 감각과 인지 시스템 사이의 불일치로 인해 발생하는 것으로 추정된다. 하지만 감각 및 인지 시스템을 객관적으로 측정할 수 있는 방법이 없기 때문에, 사이버 멀미를 측정하는 것은 어렵다. 이를 해결하기 위해 사이버 멀미를 측정하기 위해 다양한 방법론들이 연구되고 있다. 기존의 멀미를 측정하기 위한 방법은 설문방식을 이용하거나, 머신 러닝을 이용하여 뇌파 데이터를 분석하는 방식으로 진행되어 왔다. 하지만 설문을 이용한 방식은 다소 객관성이 떨어지며, 머신 러닝을 사용하는 방식은 아직까지 높은 정확도를 얻은 연구가 부족하다. 본 논문에서는 뇌파 데이터를 Deep Neural Network (DNN) 딥러닝 알고리즘에 적용하여 객관적인 사이버 멀미 측정 방식을 제안한다. 또한 우리는 더 정확한 사이버 멀미 측정 결과를 위하여 딥러닝 네트워크 구조와 뇌파 데이터 전처리 기법을 제안한다. 우리의 접근 방법은 최대 98.88%의 정확도로 사이버 멀미를 측정한다. 또한 우리는 실험에서 사이버 멀미를 유발하는 영상의 특성을 분석한다. 일반적으로 사이버 멀미는 상하 움직임이 심한 화면, 화면의 지속적이고 빠른 전환, 공중에 떠있는 상황에서 발생한다.