티스토리

JaehyeonByun

검색하기

블로그 홈

JaehyeonByun

metahyeon.tistory.com/m

정리해둔 내용들 티스토리로 보기 좋게 다시 쓰는 중

구독자: 1

방명록 방문하기

주요 글 목록

Unity Development [1] : 게임 매니저 (Game Manager) Unity에서 게임매니저(GameManager)는 게임의 전반적인 흐름과 상태를 중앙에서 관리하는 역할을 한다. 일반적으로 싱글턴(Singleton) 패턴을 사용하여 하나의 인스턴스만 유지하도록 설계되며, 게임의 주요 시스템을 통합적으로 제어하는 기능을 수행한다. 게임매니저는 먼저 게임 상태를 관리하는 역할을 한다. 게임의 시작, 일시 정지, 종료 등의 흐름을 제어하며, 특정 이벤트(예: 플레이어 사망, 레벨 클리어)가 발생하면 적절한 동작을 수행하도록 한다. 또한, 점수, 플레이어 진행 상황, 설정 등의 데이터를 저장하고 불러오는 기능도 포함될 수 있으며, JSON 파일, PlayerPrefs, ScriptableObject 등을 이용하여 데이터를 관리한다. 씬 관리 역시 중요한 기능 중 하나이다. U.. 공감수 1 댓글수 0 2025. 3. 9.
Meta SDK [1] : 유저 인터페이스 (User Interface) 공감수 0 댓글수 0 2025. 3. 9.
Meta SDK : OVRoverlay 1. OVROverlay의 기본 개념합성 레이어(Compositor Layer):일반적인 애플리케이션 렌더링은 눈 버퍼(Head-Mounted Display의 화면)에 직접 이미지를 출력합니다. 그러나 OVROverlay는 별도의 레이어에 텍스트나 이미지를 렌더링한 후, 이 레이어를 최종 출력 화면에 합성(composite)합니다.장점:앱의 메인 스레드가 바쁘거나 로딩 중에도 UI는 독립적으로 렌더링되어 부드러운 사용자 경험을 제공합니다.해상도와 선명도가 높으며, 앨리어싱(계단 현상) 현상이 줄어듭니다.2. 쉬운 예시: VR 게임의 로딩 화면일반적인 상황예를 들어, VR 게임을 실행하면 첫 번째로 로딩 화면이 나타납니다. 이때 게임 엔진은 다음 단계의 게임 데이터를 로드하느라 많은 작업을 수행합니다. 만.. 공감수 0 댓글수 0 2025. 3. 7.
Calculus [1]: 미분법 (Differentiation) 공감수 0 댓글수 0 2025. 3. 5.
Operating System [1]: 운영 체제 오버뷰 (Overview) 1. 운영 체제 개요운영체제는 사용자가 컴퓨터를 편리하게 사용할 수 있도록 도와주는 소프트웨어다. 운영체제의 가장 기본적인 역할은 사용자와 하드웨어 사이의 중재자(intermediary) 역할을 하는 것이다. 운영체제가 없으면 사용자는 하드웨어를 직접 조작해야 하는데, 이는 매우 비효율적이고 복잡하다. 운영체제는 이러한 복잡성을 해결하여, 사용자가 보다 쉽게 프로그램을 실행하고 데이터를 처리할 수 있도록 도와준다. 운영체제의 핵심 기능으로는 프로세스 관리, 메모리 관리, 저장 장치 관리, 파일 시스템 관리, 입출력 장치 관리 등이 있다. 예를 들어, 여러 개의 프로그램이 동시에 실행될 때 운영체제는 각 프로그램이 CPU를 얼마나 사용할 것인지 조정하며(스케줄링), 메모리를 효율적으로 할당해 충돌이 발생하.. 공감수 0 댓글수 0 2025. 3. 5.
Digital Design [1] : 디지털 시스템 디지털 시스템은 정보를 0과 1의 이진 값으로 표현하며, 컴퓨터, 스마트폰, 통신, 의료 등 다양한 분야에서 활용된다. 아날로그와 달리 이산적인 신호를 사용하여 높은 신뢰성과 빠른 연산 속도를 제공한다. 이진수는 디지털 시스템의 기본 연산 단위로, 십진수 대신 2진법을 사용하여 데이터를 저장하고 처리한다. 또한, 8진수와 16진수는 긴 이진수를 간결하게 표현하는 방식으로 활용된다. 디지털 시스템과 이진수의 개념은 현대 기술 발전의 핵심이며, 컴퓨터 공학 및 IT 분야에서 필수적인 기초 지식이다.1. 이진 체계 (Binary system)이진수는 디지털 시스템에서 정보를 표현하는 기본적인 방식으로, 0과 1 두 개의 숫자만을 사용한다. 이는 우리가 일반적으로 사용하는 십진수(0~9)와 다르게, 각 자리의 .. 공감수 0 댓글수 0 2025. 3. 5.
AI Programming [2] : 가우시안 스플래팅 (Gaussian Splatting) 가우시안 스플래팅(Gaussian Splatting)은 3D Scene을 수천 개의 가우시안 분포로 표현하여, 각 가우시안을 2D 이미지 공간에 투영하고 블렌딩하는 방식으로 렌더링을 수행한다. 이는 기존 뉴럴 렌더링 기법인 NeRF(Neural Radiance Fields)와 달리 복잡한 볼륨 샘플링과 레이 마칭을 필요로 하지 않아, 학습 및 렌더링 속도가 훨씬 빠르다. NeRF는 Scene을 암시적으로 표현하는 MLP(다층 퍼셉트론)를 최적화해야 하지만, 가우시안 스플래팅은 Scene을 직접적으로 표현하는 파라미터화된 3D 가우시안 분포를 최적화하는 방식이므로 학습이 빠르게 수렴하고, 실시간 렌더링이 가능하다. 성능 면에서, NeRF는 고품질 렌더링을 위해 수 분에서 수 시간의 추론 시간이 필요하지만,.. 공감수 1 댓글수 0 2025. 3. 2.
Computer Graphics [6] : 그래픽스 응용 (Graphics Applications) 실시간 캐릭터 애니메이션을 위해서는 대체로 캐릭터의 골격(Skeleton)을 이용한다. 골격은 다수의 뼈(Bone)로 구성된 관절체(Articulated body)이다.Animation1. Character Mesh and Skeleton Character Mesh and Skeleton(a) Default Pose of the Character Mesh : 모든 캐릭터를 애니메이션하기 위한 시작점으로 bind pose 또는 rest pose라고 불린다.(b) Skeleton Templates : 3ds Max에서 제공하는 바이페드(biped)라는 기본 골격이다.(c) Customization : 높은 커스터마이징이 가능하다. 예를 들어, 3ds Max에서 기본 스켈레톤을 편집하여 더 간단한 Rig를 .. 공감수 3 댓글수 1 2025. 2. 2.
Computer Graphics [5] : 카메라 시점 (Camera View) Computer Graphics Camera Model카메라 모델(Camera Model) : 디스플레이에 그래픽스를 표현하기 위해서는 카메라가 촬영을 할 때 카메라 안에서 어떤일이 벌어지는지를 이해하고 가상의 카메라를 모델링 할 수 있어야 한다. 1. Imaging Geometry 카메라 모델의 Imaging Geometry는 3D 공간의 물체를 2D 이미지 평면에 투영하는 과정을 4단계로 설명한다. Imaging GeometryWorlds Coords - Camera Coords = Rigid TransformationCamera Coords - Film Coords = Perspective , Weak PerspectiveFilm Coords - Pixel Coords = Affine Tran.. 공감수 1 댓글수 0 2025. 2. 2.
Computer Graphics [4]: 셰이더 (Shader) 셰이더 (Shader)는 컴퓨터 그래픽스에서 빛과 물체의 상호작용을 수학적으로 계산하여 화면에 보이는 최종 이미지를 결정하는 단계이다. 기본적으로 셰이더는 3D 장면의 기하학적 정보와 물리적 속성을 바탕으로 색상, 밝기, 질감 등을 연산하여 현실감 있는 시각적 표현을 만들어낸다. 이는 인간이 실제 세계를 인식하는 과정과 유사한 원리를 따르며, 빛의 반사, 산란, 투과 같은 광학적 현상을 수식으로 모델링하여 그래픽 요소에 적용한다. 따라서 셰이더는 단순히 화면을 그리는 도구가 아니라, 가상의 세계를 더욱 사실적으로 시뮬레이션하는 중요한 개념으로 이해할 수 있다.1. Lighting 셰이더에서 빛을 이해하는 것은 화면에 표현되는 물체의 색상, 질감, 입체감, 그리고 현실감을 결정하는 핵심 요소이다. 빛은 물.. 공감수 3 댓글수 1 2025. 1. 11.
Computer Graphics [3]: 텍스쳐 (Texture) 텍스처링(Texture Mapping)은 컴퓨터 그래픽스에서 물체의 표면을 더욱 현실적으로 표현하기 위해 사용하는 기술이다. 텍스처링은 마치 물체의 표면에 벽지를 붙이는 것처럼 텍스처를 적용하는 과정이며, 이를 통해 단순한 기하학적 형태의 3D 모델에도 복잡한 질감과 디테일을 표현할 수 있다. 특히, 폴리곤 메시의 경우 각 정점(Vertex)마다 텍스처 좌표(Texture Coordinates, UV 좌표)를 할당해야 하며, 이를 기반으로 3D 모델의 표면이 이미지 텍스처와 정확히 일치하도록 매핑된다. 텍스처링을 이해하는 것은 사실적인 그래픽스를 구현하는 데 필수적이며, 먼저 텍스처가 단순한 이미지 배열이라는 점과 이를 물체의 표면에 어떻게 적용하는지 개념적으로 이해하는 것이 중요하고 UV 매핑과 같은 .. 공감수 0 댓글수 0 2025. 1. 11.
Deep Learning Models [1] : Stable Diffusion XL (SDXL) Stable Diffusion XL(SDXL)은 이미지 생성 모델의 최신 버전으로, 이전 버전인 Stable Diffusion v1.5에 비해 월등히 향상된 성능과 품질을 제공한다. SDXL은 "Stable Diffusion Extra Large"의 약자로, 확장된 크기와 높은 성능을 강조하는 모델이다. SDXL은 사실적인 이미지 생성, 텍스트 이해, 미세 디테일 표현, 영어 문장 생성, 어두운 이미지 처리 등 다양한 면에서 뛰어난 성능을 발휘하며, 오픈소스 소프트웨어로 공개되어 누구나 사용할 수 있다. SDXL은 기본적으로 두 개의 모델로 구성된다. 첫 번째는 "Base 모델"로, 전체적인 이미지를 구성하고 구도를 설정한다. 두 번째는 "Refiner 모델"로, Base 모델이 생성한 이미지에 디테일을.. 공감수 0 댓글수 0 2025. 1. 2.
Deep Learning Models [0] : 최신 딥러닝 모델 리뷰 딥러닝 모델은 데이터에서 복잡한 패턴과 특성을 학습하여 다양한 문제를 해결하는 데 사용된다. 기존의 머신러닝 방식과 달리 딥러닝은 다층 신경망 구조를 활용해 이미지, 음성, 텍스트 등 비정형 데이터를 효과적으로 처리한다. 최신 딥러닝 모델들은 점점 더 깊고 복잡해지며, Transformers, Diffusion Models, GANs 등과 같은 혁신적인 아키텍처가 등장해 자연어 처리, 생성적 AI, 영상 생성 및 복원과 같은 다양한 분야에서 새로운 가능성을 열었다. 최신 딥러닝 모델을 이해하고 활용하는 것은 기술적 경쟁력을 유지하는 데 필수적이다. 연구와 개발은 빠르게 발전하며, 이러한 흐름에 뒤처질 경우 기존 기술만으로는 경쟁력을 유지하기 어렵다. 예를 들어, 최신 모델인 GPT-4, Stable Di.. 공감수 1 댓글수 0 2025. 1. 2.
User Evaluation [2]: 통계적 유의성 검증 (Statistical Significance Testing) 통계적 유의성을 검증하는 방법은 데이터의 특성과 연구 목적에 따라 다양하게 분류된다. 모수적 검정은 데이터가 특정 분포(주로 정규분포)를 따른다는 가정하에 t-검정, ANOVA 등을 사용하며, 비모수적 검정은 분포 가정 없이 순위 기반 분석을 통해 Mann-Whitney U 검정 등으로 유의성을 평가한다. 회귀 분석은 변수 간 관계를 모델링하여 독립 변수의 영향을 추정하며, 다중 비교 교정은 여러 가설 검정 시 발생할 수 있는 오류를 통제하기 위해 Bonferroni 교정이나 FDR 조정을 활용한다. 또한, 정규성 검정은 데이터가 정규분포를 따르는지 확인하여 분석 방법 선택에 도움을 주고, 질적 데이터 분석은 비수치적 데이터를 구조화해 패턴과 이론적 유의성을 도출한다. 각각의 방법은 데이터의 특성과 가정.. 공감수 0 댓글수 0 2025. 1. 2.
Coding Test [1] : C++ 표준 라이브러리 및 함수 정리 코딩테스트에서는 제한된 시간 내에 문제를 해결해야 하므로, 표준 라이브러리의 자료구조와 알고리즘, 내장 함수를 잘 이해하고 숙지하는 것이 필요하다. 표준 라이브러리는 효율적으로 구현된 검증된 코드로 구성되어 있어 직접 알고리즘을 구현하는 것보다 빠르고 안정적인 해결책을 제공하며, 시간 복잡도 면에서도 최적화되어 있어 불필요한 연산을 줄일 수 있다. 예를 들어, 정렬이 필요할 때 직접 정렬 알고리즘을 구현하는 것보다 sorted() 또는 heapq를 활용하는 것이 훨씬 효율적이며, 스택과 큐가 필요한 경우 deque를 사용하면 시간 복잡도를 줄일 수 있다. 또한, 탐색과 해싱이 필요한 문제에서는 set과 dict가 O(1)에 가까운 접근 속도를 제공하기 때문에 성능 차이가 크게 발생할 수 있다. 결국, 표.. 공감수 0 댓글수 0 2024. 12. 30.
User Evaluation [1] : 질적 분석 및 양적 분석 (Qualitative & Quantitative Evaluation) 1. 사용자 경험의 측정 좋은 UX는 사용성을 기반으로 한 배우기 쉬움과 편리함, 유용성과 기능성을 충족하는 쓸모, 감성과 관련된 즐거움과 아름다움을 포함하며, 나아가 사용자에게 의미를 제공하는 경험으로 정의된다. 벤 랄프의 UX 피라미드는 이러한 요소를 체계적으로 정리하며, 특히 최근에는 사용자가 브랜드에 특별한 의미를 부여하는 팬덤 형성과 충성도를 중시하여 브랜드 가치와 사용자 경험의 상승효과를 도모하고 있다. UX 주요 구성 요소는 다음과 같다. - 사용성(Usability): 얼마나 배우기 쉽고 사용하기 편리한 지에 대한 것- 유용성(Usefulness): 얼마나 쓸모가 있는지에 대한 것- 감성(Affect): 얼마나 즐겁고 아름다운지에 대한 것UX를 측정하기 위해서는 사용자의 태도와 행동을 기.. 공감수 1 댓글수 1 2024. 12. 29.
User Evaluation [0] : HCI 연구에서의 사용자 평가 사용자 경험 테스트는 일반적으로 양적 연구와 질적 연구로 분류되어 진행된다. 양적 연구는 사용자의 행동과 성과를 수치화하여 통계적으로 분석하는 접근으로, 대규모 사용자를 대상으로 설계의 효과성을 검증하거나 가설을 엄밀히 테스트하는 데 중점을 둔다. 예를 들어, 작업 완료 시간, 오류율, 클릭 패턴, 시선 추적 데이터 등을 수집하며, A/B 테스트나 다변량 실험과 같은 실험적 방법론이 주로 사용된다. 이는 대규모 데이터에서 일반화 가능한 결과를 도출하거나 인터페이스의 효율성을 비교하는 데 적합하다. 반면, 질적 연구는 사용자의 심층적인 경험과 맥락을 이해하는 데 초점을 맞추며, 인터뷰, 관찰, 사고구술법(Think-Aloud Protocol) 등을 통해 사용자 행동의 이유와 감정을 탐구한다. 이 접근법은 .. 공감수 0 댓글수 0 2024. 12. 29.
XR Device [2] : Microsoft Azure Kinect Body Tracking Azure Kinect Body Tracking은 Azure Kinect DK 장치와 Body Tracking SDK를 활용하여 사람의 신체 움직임을 실시간으로 추적하는 기술이다. 이 기술은 깊이 카메라와 IMU(관성 측정 장치)로부터 데이터를 수집하고, 이를 AI 기반 포즈 추정 알고리즘으로 처리하여 3D 신체 골격 정보를 제공한다. Azure Kinect SDK의 Body.cs 코드는 Azure Kinect에서 제공되는 데이터 처리, 변환, 저장, 복원을 포함하여 신체 추적 과정을 구현한다. 먼저, Azure Kinect 장치는 RGB 카메라와 깊이 카메라를 사용해 이미지를 캡처한다. 깊이 카메라는 ToF(Time of Flight)로 각 물체까지의 거리를 측정하며, 이 .. 공감수 2 댓글수 1 2024. 12. 27.
Unity Programming [5] : 유니티 소프트웨어 설계 (Attribute, Gizmos) Unity의 Attribute는 스크립트의 동작이나 Inspector의 표시 방식을 제어하기 위해 제공되는 메타데이터이다. 이들은 클래스, 필드, 메서드에 부여되어 Unity 에디터와 런타임에서 특정 동작을 수행하거나 사용자 경험을 개선하는 데 사용된다. 이를 통해 스크립트의 실행 순서를 조정하거나, Inspector에서 필드를 숨기거나 표시하고, 데이터 직렬화를 제어하거나, 개발 도구를 확장할 수 있다. 아래는 주요 Unity Attribute를 코드 예제와 함께 정리한 것이다. [ExecuteAlways] [ExecuteAlways]는 스크립트를 Play 모드와 에디터 모드 모두에서 실행되도록 설정한다. 이를 통해 Unity 에디터에서 작업 자동화, 실시간 업데이트, 또는 상태 동기화 기능을 구현할.. 공감수 2 댓글수 1 2024. 12. 27.
Coding Test [0] : 코딩테스트 준비 (Coding Test Environment) 코딩 테스트는 프로그래밍 능력을 평가하기 위해 주어진 문제를 해결하는 과정이다. 일반적으로 알고리즘, 자료구조, 수학적 사고, 문제 해결 능력을 측정하며 주어진 시간 내에 코드로 문제를 해결해야 한다. 온라인 플랫폼을 통해 진행되거나 대면 시험 형태로 이루어질 수 있으며 기업에서는 이를 통해 지원자의 기술적 역량과 논리적 사고를 평가한다. 코딩 테스트 문제는 배열, 문자열, 그래프 탐색, 정렬, 동적 프로그래밍, 또는 기타 컴퓨터 과학 개념을 활용한 문제로 구성되며, 효율성과 정확성이 중요하다. 코딩 테스트에 주로 이용되는 언어는 C++과 Python이다. C++과 파이썬은 각각의 장단점이 뚜렷하다. C++은 빠른 실행 속도와 세밀한 메모리 관리, STL(Standard Template Library)을.. 공감수 3 댓글수 3 2024. 12. 27.
Image Programming [1] : Panoramic Stitching 컴퓨터 비젼 수업의 기말 과제로 Panorama 이미지 생성 프로젝트를 진행했다. 수업 시간에 배운 수학적 원리와 이론을 활용하여 여러 이미지를 하나로 병합하는 과제이다. 코너 포인트 검출, 포인트 매칭, Homography 계산, 그리고 이미지 병합을 필수적으로 진행하고 선택적으로 이미지 전처리 및 노이즈 제거, RANSAC, 그룹 조정, 톤 매핑을 구현하면 추가 점수를 받는 방식이다. 모든 기능은 직접 구현했으며 코드는 로컬 이미지 데이터를 읽어 Panorama 이미지를 생성하고 결과를 화면에 출력하거나 저장했다. 0. 이미지 불러오기import cv2import os# 이미지가 저장된 폴더 경로를 지정하세요folder_path = 'your_folder_path_here' # 실제 폴더 경로로 변.. 공감수 1 댓글수 1 2024. 12. 20.
Animation Kinematics [3] : 운동학 수치 해석 (Kinematics Numerical approach) 공감수 0 댓글수 0 2024. 12. 14.
XR Programming [2] : 모션 패럴랙스와 핸드 인터랙션을 활용한 혼합 현실 TV 구현 (Applying Motion Parallax for Enhanced Viewing and ControlExperiences on Consumer TVs) 1. Motion Parallax(1) TV 화면 크기 계산 모션 패럴랙스 효과를 구현하려면 실제 TV 화면의 물리적 크기를 계산해야 한다. 화면 크기는 다음 공식을 통해 계산된다. 여기서 RD_m은 화면 크기(미터), RD_i는 화면 크기(인치)이다. 1인치 = 0.0254미터의 변환 계수를 사용한다. 이후 TV 화면의 폭과 높이는 종횡비(ar)를 고려해 계산된다. 예를 들어, 55인치 TV(16:9 비율)의 경우RDi=55ar=16/9이 값을 대입하면, RSw≈1.21미터와 RSh≈0.68미터가 된다. 이는 이후 가상 카메라 투영 평면을 TV 화면과 정확히 일치시키는 데 사용된다. (2) 사용자 좌표 정규화 Kinect는 사용자 머리 위치(E_tracked)를 Kinect 센서 좌표계에서 추.. 공감수 0 댓글수 0 2024. 12. 9.
XR Device [1] : Leap Motion 2 핸드트레킹 (Handtracking) 리프모션(Leap Motion) 컨트롤러를 유니티(Unity)와 연동하여 손 추적 기능을 구현하려면 다음 단계를 따르면 된다. 더보기1. 리프모션 윈도우 SDK 설치 및 설정Ultraleap의 핸드 트래킹 소프트웨어 다운로드 페이지에서 최신 윈도우용 SDK를 다운로드하여 설치설치 후 시스템 트레이에 리프모션 아이콘이 나타나며, 트래킹 상태를 확인할 수 있다.2. 유니티 프로젝트 설정Ultraleap의 유니티 플러그인 페이지에서 'Tracking.unitypackage'와 'Tracking Examples.unitypackage'를 다운로드유니티 에디터에서 'Tracking.unitypackage'를 먼저 임포트한 후, 'Tracking Examples.unitypackage'를 임포트3. 예제 씬 실행 .. 공감수 0 댓글수 0 2024. 12. 9.
Deep Learning [5] : 생성형 모델 (Generative Model) 생성형 모델은 데이터 생성 과정에 중점을 둔 모델로, 주어진 데이터셋과 유사한 새로운 데이터를 생성하기 위해 학습된다. 이 모델은 데이터의 잠재 확률 분포 p(x)를 학습하고, 이를 활용해 새로운 샘플을 생성하거나 기존 데이터의 특성을 이해하는 데 사용된다. 이 과정은 확률적이며, 데이터 생성이 랜덤 샘플링에 기반하기 때문에 같은 입력 데이터라도 결과가 달라질 수 있다. 생성 모델은 쉽게 말해 학습한 데이터를 흉내 내는 모델이라고 생각하면 쉽다. 예를 들어, 빵집에서 맛있는 빵을 만드는 비법을 배운다고 해보자. 이 모델은 빵집에서 맛있다고 평가받는 빵의 특징을 배우고 나서, 그 비슷한 빵을 만들어낸다. 완전히 똑같진 않지만, 빵집에서 만든 것과 유사한 느낌의 빵을 만들어낼 수 있는 것이다. 여기서 중요한.. 공감수 2 댓글수 1 2024. 12. 3.
Programming Principles [8] : 정렬 알고리즘 (Sortion Algorithms) 계산 복잡도 분석은 문제를 해결할 수 있는 모든 알고리즘의 효율성을 평가하고, 해당 문제의 하한(Ω)을 결정하는 과정이다. 예를 들어, 행렬 곱셈 문제의 일반 알고리즘은 Θ(n3)의 시간복잡도를 가지며, 개선된 알고리즘으로는 쉬트라쎈 알고리즘 (Θ(n2.81))과 위노그라드 알고리즘 (Θ(n2.38))이 존재한다. 하지만, 이 문제의 계산 복잡도 하한은 Θ(n2)로 알려져 있으나, 이만큼 효율적인 알고리즘은 아직 발견되지 않았다. 이는 하한보다 효율적인 알고리즘을 만드는 것이 불가능함을 의미하며, 예를 들어 3×3 행렬 곱셈에서는 기존 방식으로는 27번의 연산이 필요하지만, 개선된 알고리즘은 이를 줄일 수 있음을 보여준다. 계산 복잡도에서 문제의 복잡도 하한이 Ω(f(n))인 경우, 시간 복잡도가 Θ(f.. 공감수 0 댓글수 0 2024. 12. 3.
XR Programming [1] : 미세 중력 상황에서의 손 - 오브젝트 상호작용 시뮬레이션 (Microgravity Hand-Object Interaciton) 해당 논문은 Leap Motion의 핸드 트레킹과 Unity의 물리 엔진을 결합하여 사용자가 미세 중력의 가상 환경에서 손으로 객체를 조작하는 몰입감 있는 상호작용을 제공하는 연구이다. Leap Motion은 손의 위치, 속도, 회전 데이터를 실시간으로 추적하며, Unity의 물리 엔진은 충돌 감지, 접촉 지점 계산, 임펄스와 마찰력 적용을 통해 현실감 있는 물리적 반응을 시뮬레이션한다. 또한, 노이즈 필터링 기법을 적용해 손의 움직임을 안정적으로 처리하며, 사용자가 가상 객체를 잡고, 이동하며, 놓는 등의 섬세한 상호작용을 수행할 수 있도록 설계되었다. God Object 접근법을 사용하여 손이 가상 객체를 뚫고 지나가는 문제를 해결하고, 손과 객체 간의 접촉을 유지하며 자연스러운 시각적 피드백을 제.. 공감수 0 댓글수 0 2024. 12. 3.
AI Programming [3] : IMU 센서 + VR 핸드트레킹 LSTM 퓨전 모델 (IMU Sensor and VR Handtracking LSTM Fusion Model) 경희대학교 수업 프로젝트로 진행했던 전체 코드는 다음과 같다. 1. 필요한 라이브러리 불러오기import numpy as npimport pandas as pdfrom sklearn.model_selection import train_test_splitimport torchimport torch.nn as nnfrom torch.utils.data import DataLoader, TensorDataset, ConcatDatasetimport globfrom tqdm import tqdmfrom LSTMModel import LSTMModel 코드의 첫 번째 단계는 데이터 처리와 모델 학습에 필요한 라이브러리를 불러오는 것이다. numpy와 pandas는 데이터를 다루고 전처리하는 데 사용되며 skle.. 공감수 0 댓글수 0 2024. 12. 2.
AI Programming [2] : 가우시안 스플래팅 (Gaussian Splatting) 가우시안 스플래팅(Gaussian Splatting)은 3D 공간에서 장면을 표현하기 위해 사용되는 기법으로, 가우시안 분포를 활용하여 데이터를 효과적으로 압축하고 렌더링하는 방식이다. 이 기법은 포인트 클라우드(Point Cloud) 데이터를 3D 가우시안 분포로 변환하여 각 포인트를 하나의 가우시안으로 표현한다. 가우시안 분포는 중심점 μ, 공분산 행렬 Σ, 및 가중치 w로 정의되며, 특정 위치 x에서의 가우시안 값은 다음과 같이 계산된다. 이 방식을 통해 가우시안 형태로 데이터를 표현하면, 기존의 포인트 클라우드보다 더 부드럽고 연속적인 장면 표현이 가능하다. 가우시안 스플래팅은 공분산 행렬을 활용해 각 포인트의 크기와 방향성을 조절할 수 있어, 더욱 자연스럽고 디테일한 렌더링을 지원한다. 또한, .. 공감수 1 댓글수 1 2024. 11. 29.
AI Programming [1] : 하버드 트랜스포머 (Harvard Transformer) Transformer는 문장이나 텍스트를 처리하는 데 사용되는 모델로, 주로 Encoder와 Decoder라는 두 큰 구성 요소로 나뉜다. Encoder는 입력된 문장을 이해하고 중요한 정보를 추출하는 역할을 하며, Decoder는 그 정보를 바탕으로 새로운 문장을 생성한다. 각 Encoder와 Decoder는 여러 층으로 이루어져 있고, 각 층은 Multi-Head Attention으로 입력의 중요 부분을 분석하고, Normalization으로 데이터의 변동성을 줄이며, Residual Connection으로 각 층의 출력을 더 원활하게 연결하며, Feed Forward network로 데이터를 처리한다. 입력된 단어는 Embedding이라는 과정을 통해 숫자 벡터로 변환되어 컴퓨터가 이해할 수 있도록.. 공감수 1 댓글수 1 2024. 11. 29.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.