• 한국멀티미디어학회논문지
• /
• 제15권3호
• /
• pp.398-407
• /
• 2012

본 연구에서는 넓은 지형에 분포하는 많은 수의 나무를 사실적이면서 효율적으로 표현하는 나무 모델 방법을 제안한다. 나무 가지의 재귀적 계층 구조와 싹으로부터 자기조직화를 통한 가지 생성 과정을 결합하여 단순화시킴으로써 보다 직관적이고 효율적으로 나무를 생성한다. 이러한 생성 과정은 사용자가 단계별 구조와 가지 길이, 분포, 방향과 같은 외형 조절을 인터랙티브하게 제어할 수 있도록 한다. 또한 많은 수의 나무를 동시에 제어하여 다양하게 성장시킬 수 있도록 하는 환경 적응형 모델을 설계하고 이를 효과적으로 처리하는 성장 환경 적용 방법을 제안한다. 여기에 넓은 지형위에 분포하는 복잡한 나무 모델의 실시간 시뮬레이션을 위해 GPU(Graphics Processing Unit)를 통한 렌더링 과정과 가지 표면의 연속적 세분화단계, 그리고 인스턴싱 기법을 도입한다. 제안한 나무 모델을 통해 넓은 지형에 다양한 나무를 사실적이고 효율적으로 표현할 수 있는지 여부를 시뮬레이션을 통해 확인한다.

• 한국게임학회 논문지
• /
• 제13권2호
• /
• pp.49-58
• /
• 2013

본 연구에서는 게임의 실외 지형을 구성하는 많은 수의 다양한 나무를 효율적이고 자연스럽게 표현하기 위한 나무 성장 모델을 설계한다. 제안하는 나무 성장 모델은 (1) 다양한 종류의 나무를 보다 직관적이면서 자연스럽고 효율적으로 모델링하기 위한 성장 볼륨 및 약수 함수의 합성 곱 기반의 나무 모델링 방법, (2) 복잡한 구조의 다수 나무들의 실시간 처리를 위하여 인스턴싱 기반의 가지의 세분화 단계를 통한 렌더링 방법, 그리고 (3) 이를 조합하여 게임 배경을 효율적으로 구축하는 방법으로 구성된 나무 성장 모델이다. 제안한 나무 성장 모델을 통하여 자연스럽고 다양한 나무의 성장과 이를 통한 자연스러운 게임 배경의 구축 가능성 및 실시간 처리의 효율성을 실험을 통해 확인한다.

• 한국공간구조학회논문집
• /
• 제23권4호
• /
• pp.81-88
• /
• 2023

Numerous factors contribute to the deterioration of reinforced concrete structures. Elevated temperatures significantly alter the composition of the concrete ingredients, consequently diminishing the concrete's strength properties. With the escalation of global CO2 levels, the carbonation of concrete structures has emerged as a critical challenge, substantially affecting concrete durability research. Assessing and predicting concrete degradation due to thermal effects and carbonation are crucial yet intricate tasks. To address this, multiple prediction models for concrete carbonation and compressive strength under thermal impact have been developed. This study employs seven machine learning algorithms-specifically, multiple linear regression, decision trees, random forest, support vector machines, k-nearest neighbors, artificial neural networks, and extreme gradient boosting algorithms-to formulate predictive models for concrete carbonation and thermal impact. Two distinct datasets, derived from reported experimental studies, were utilized for training these predictive models. Performance evaluation relied on metrics like root mean square error, mean square error, mean absolute error, and coefficient of determination. The optimization of hyperparameters was achieved through k-fold cross-validation and grid search techniques. The analytical outcomes demonstrate that neural networks and extreme gradient boosting algorithms outshine the remaining five machine learning approaches, showcasing outstanding predictive performance for concrete carbonation and thermal effect modeling.