이 연구 주제는 GPU를 활용한 컴퓨터그래픽스 응용, 렌더링 가속, 그리고 전역조명(global illumination) 계산의 효율화에 초점을 둔다. 연구실의 핵심 관심사는 고품질 시각 표현을 유지하면서도 모바일 및 임베디드 환경에서 요구되는 제한된 전력과 계산 자원 안에서 실시간 또는 준실시간 그래픽 처리를 구현하는 데 있다. 특히 그래픽스 처리 장치의 병렬성을 적극 활용하여 복잡한 조명 계산, 경로 추적, 메시 처리와 같은 연산 집약적 작업을 효율적으로 수행하는 방법을 탐구한다. 연구 방법론 측면에서는 GPU 커널의 계산 집중도와 메모리 집중도를 분석하고, 렌더링 파이프라인의 병목 구간을 찾아내어 성능과 전력의 균형을 맞추는 최적화 기법이 중요하게 다뤄진다. 모바일 가상현실을 위한 효율적 경로 추적, 몬테카를로 노이즈 제거를 위한 인공지능 기반 필터링, 표면 각도 기반 삼각 메쉬 단순화 등은 이러한 방향성을 잘 보여준다. 또한 전역조명 알고리즘을 모바일 장치에 적합하게 경량화하고, CPU/GPU 협조 처리 및 시선 추적 기반 최적화와 결합하여 렌더링 비용을 줄이는 접근도 포함된다. 이 연구는 게임, 가상현실, 증강현실, 디지털 트윈, 시뮬레이션 등 다양한 분야에서 직접적인 활용 가능성을 가진다. 고품질 그래픽을 보다 낮은 전력으로 제공할 수 있게 되면 모바일 XR 기기, 스마트 디바이스, 차량용 디스플레이 등 차세대 시각 컴퓨팅 플랫폼의 사용자 경험을 크게 개선할 수 있다. 나아가 그래픽스 알고리즘의 효율화는 단순한 화면 출력 기술을 넘어, 실시간 상호작용 시스템과 몰입형 콘텐츠 산업 전반의 기반 기술로 확장될 수 있다는 점에서 중요한 의미를 지닌다.

이 연구 주제는 모바일 및 임베디드 디바이스에서 소프트웨어의 성능과 에너지 소모를 동시에 개선하기 위한 시스템 수준 최적화 기술을 다룬다. 특히 동적 전압 주파수 스케일링(DVFS)을 중심으로, CPU·GPU·메모리의 동작 주파수를 작업 부하에 맞게 조절하여 전력 소비를 줄이면서도 사용자 체감 성능 저하를 최소화하는 것이 주요 목표이다. 연구실의 특허와 국가 연구과제에서도 확인되듯, 이 분야는 연구실의 장기적인 축적 역량이 반영된 핵심 연구축이다. 세부적으로는 애플리케이션 실행 중 발생하는 워크로드를 예측하고, 그래픽 태스크와 컴퓨팅 태스크의 비중을 구분하여 자원 할당 전략을 세우는 방식이 핵심이다. 기존 interval-based, inter-task, intra-task 방식의 한계를 보완하기 위해 인공지능 기반 예측 기법을 접목하고, GPU 커널의 특성 분석을 통해 주파수와 메모리 접근 정책을 정교하게 설정하는 접근이 이루어진다. 이러한 방식은 단순한 하드웨어 절전이 아니라, 소프트웨어 실행 특성과 병렬처리 구조를 함께 고려하는 지능형 시스템 최적화 연구로 볼 수 있다. 이 연구는 스마트폰, 태블릿, 웨어러블, 모바일 XR 기기 등 배터리 기반 장치 전반에 폭넓게 적용될 수 있다. 에너지 효율이 높아질수록 발열 문제를 줄이고, 배터리 수명을 늘리며, 지속적인 고성능 서비스를 가능하게 한다는 점에서 산업적 가치가 크다. 또한 AI 응용, 그래픽 처리, 멀티미디어 서비스가 점점 더 복잡해지는 환경에서, 성능과 전력의 균형을 자동으로 조절하는 기술은 차세대 모바일 컴퓨팅의 필수 요소로 자리매김할 가능성이 높다.

이 연구 주제는 딥러닝, 전이학습, 그래프 신경망 등 최신 인공지능 기법을 활용하여 다양한 영상 데이터를 분석하고 실제 문제 해결에 적용하는 응용 컴퓨터비전 연구를 포괄한다. 연구실의 최근 논문들은 웨어러블 생체신호 기반 정신적 스트레스 분류, 면화 작물 질병 진단, MRI 종양 딥페이크 탐지, 인간 자세 추정 등 매우 다양한 응용 영역을 보여주며, 이는 특정 도메인에 한정되지 않는 범용 AI 분석 역량을 시사한다. 즉, 영상과 시계열 데이터를 효과적으로 표현하고 학습하는 지능형 인식 기술이 연구의 중심에 있다. 기술적으로는 원시 시계열 데이터를 이미지로 변환하는 인코딩 기법, CNN 및 EfficientNet 계열 모델을 활용한 전이학습, HOG와 심층 특징을 결합하는 특징 융합, 그리고 인체 관절 간 관계를 구조적으로 반영하는 그래프 신경망 등이 핵심 방법으로 활용된다. 또한 의료영상에서의 적대적 공격 대응과 조작 영상 탐지처럼, 단순 분류 성능을 넘어 강건성과 신뢰성까지 고려하는 방향으로 연구가 확장되고 있다. 이는 실제 환경에서 AI 모델이 마주하는 노이즈, 데이터 손상, 도메인 변화, 악의적 조작 등의 문제를 해결하려는 시도와 맞닿아 있다. 이러한 연구는 의료, 농업, 헬스케어, 스마트 인터페이스, 스포츠 분석, 보안 등 여러 산업 분야에 파급효과를 가진다. 예를 들어 정신 스트레스 자동 분류는 디지털 헬스케어의 핵심 기술이 될 수 있고, 작물 질병 탐지는 정밀농업과 지속가능한 생산성 향상에 기여할 수 있다. 더불어 의료 딥페이크 탐지와 자세 추정은 각각 신뢰 가능한 의료 AI와 인간 중심 인터랙션 기술로 이어질 수 있어, 연구실의 AI 비전 연구는 학문적 가치와 사회적 활용 가능성을 동시에 갖는 융합 연구 영역이라 할 수 있다.

이 연구 주제는 스마트홈과 사물인터넷 환경에서 동작하는 디바이스의 보안 취약성을 분석하고, 펌웨어 수준에서의 위험 요소를 체계적으로 평가하는 디지털 포렌식 연구를 포함한다. IoT 기기는 편의성과 연결성을 제공하지만, 폐쇄형 펌웨어와 이기종 하드웨어 구조로 인해 취약점 탐지와 보안 검증이 어렵다는 문제가 있다. 연구실은 특히 IoT 카메라와 같은 스마트홈 핵심 장치를 대상으로, 실제 운영 환경에서 발생할 수 있는 보안 위협을 분석하는 데 관심을 두고 있다. 연구의 핵심은 펌웨어 추출, 구조 분석, 취약점 식별, 보안 설정 검증, 공격 가능성 평가 등 단계별 절차를 정립하는 것이다. 이러한 접근은 단순히 네트워크 트래픽을 모니터링하는 수준을 넘어서, 디바이스 내부 소프트웨어의 구조와 동작 원리를 이해하고 잠재적 공격 경로를 사전에 차단하는 데 목적이 있다. 특히 스마트홈 카메라는 개인 프라이버시와 직결되므로, 시스템 수준의 보안 검증 절차를 표준화하고 자동화하는 연구가 중요한 의미를 가진다. 이 연구는 점점 확대되는 초연결 사회에서 안전한 디지털 생활환경을 구축하는 데 직접적으로 기여할 수 있다. 스마트 가전, 홈 모니터링 장비, 산업용 IoT 센서 등 다양한 장치에 보안 분석 프레임워크를 적용하면, 제조사와 사용자 모두에게 실질적 보호 수단을 제공할 수 있다. 더 나아가 AI와 결합한 이상행위 탐지, 취약점 자동 분석, 보안 인증 지원 체계로 발전할 경우, 스마트 환경 보안의 신뢰성을 높이는 핵심 기반 기술로 확장될 가능성이 크다.