디지털 라이브러리[ 검색결과 ]
GPU 가속 스케줄링 및 연산 축소에 기반한 효율적인 동적 그래프 처리
송상호, 최지현, 차동현, 이현병, 최도진, 임종태, 복경수, 유재수
http://doi.org/10.5626/JOK.2024.51.12.1125
최근 대용량 동적 그래프를 효율적으로 처리하기 위해 GPU를 활용하는 연구가 활발히 진행되고 있으며, 동적 그래프 처리 시 같은 데이터가 반복적으로 전송되고 처리되는 문제가 발생하고 있다. 본 논문에서는 메모리가 제한된 GPU 환경에서 대규모 동적 그래프를 효율적으로 처리하기 위한 동적 스케줄링 방법과 연산 축소 방법을 제안한다. 동적 스케줄링 방법은 동적 그래프를 분할하여 각 파티션을 활성 정점과 예비 활성 정점을 고려한 스케줄링 방식으로 GPU에 배치함으로써 처리 성능을 극대화한다. 또한, 그래프의 변화 양상을 반영하기 위해 스냅샷을 활용한다. 연산 축소 방법은 스냅샷을 통해 동적 그래프에서 중복된 간선 및 정점의 변경을 감지하여 불필요한 연산을 줄임으로써 GPU의 연산량과 데이터 전송 비용을 최소화하는 기법이다. 이를 통해 동일한 간선이나 정점에 대한 중복 연산을 방지하여 성능을 향상시킨다. 다양한 성능 평가 결과 기존 정적 그래프 처리 기법 대비 평균 280%, 기존 동적 그래프 처리 기법 대비 평균 108%의 성능 향상을 확인하였다.
초광각 어안렌즈 카메라 시스템을 위한 투영 모델과 캘리브레이션 방법
http://doi.org/10.5626/JOK.2024.51.11.1005
넓은 화각을 가진 어안렌즈는 한 번에 넓은 영역을 인식할 수 있어 자동차나 로봇 등 이동 플랫폼의 센서로 다양하게 사용되고 있다. 여러 대의 어안렌즈 카메라를 이용하여 360도 전방향의 거리와 플랫폼의 움직임을 추정할 수 있는 알고리즘도 개발되어 로봇 센서, 3차원 모델링 등에 활용되고 있다. 본 논문에서는 화각 220도 이상의 초광각 어안렌즈를 위한 새로운 투영 모델과, 이 렌즈를 장착한 멀티카메라 시스템의 카메라 내부 파라미터 캘리브레이션 및 각 카메라의 회전과 위치를 나타내는 외부 파라미터를 빠르고 간단하게 추정할 수 있는 카메라 시스템 캘리브레이션 방법론을 제안한다. 비교적 넓은 베이스라인의 초광각 다중 카메라 시스템의 캘리브레이션에 적용한 결과 서브픽셀 수준의 정확한 캘리브레이션이 가능함을 확인하였다.
유닛 동적 상태 데이터 기반 회귀 유닛 테스팅의 오탐 필터링 기법
최영석, 이아청, 남효주, 이인섭, 정남훈, 조규태, 김문주
http://doi.org/10.5626/JOK.2024.51.11.996
회귀 테스팅은 소프트웨어가 변경된 부분을 집중적으로 테스팅 하여 변경 시 발생한 오류를 빠르게 발견하는 기법이고, 유닛 테스팅은 소프트웨어의 작은 실행 단위인 유닛을 개별적으로 검증하는 기법이다. 본 연구는 회귀 테스팅을 효율적으로 작은 탐색 공간에서 하기 위해 자동 유닛 테스팅 기법을 도입하고, 유닛 테스팅의 오탐 탐지를 위해, 유닛 동적 상태 데이터를 학습하고 활용하는 방법을 제안한다. 실험 결과, 10개의 C 프로그램에 대해 적용하여 실제 오류가 발생한 함수를 특정할 때 acc@10 성능이 최신 기법에 비해 40%p 증가하고, 7개의 프로그램에서 제안한 기법이 보고한 오류 후보 중 상위 20%안에 대상 회귀 오류가 존재함을 보였다.
단일 리드 심전도 데이터를 이용한 심혈관 질환 예측
http://doi.org/10.5626/JOK.2024.51.10.928
심혈관 질환을 진단하는 가장 대표적인 방법은 심전도 데이터를 분석하는 것이며, 병원에서 측 정하는 심전도 데이터는 대부분 12개의 리드로 구성되어 있다. 하지만, 웨어러블 헬스케어 기기에서는 일 반적으로 1개의 리드만 측정되며, 심혈관 질환을 진단하는 데에도 한계가 있다. 따라서 본 논문에서는 웨 어러블 헬스케어 기기로 측정 가능한 단일 리드를 사용하여 흔히 발생하는 심혈관 질환인 심방세동, 좌각 차단, 우각차단을 예측하는 연구를 진행하였다. 합성곱 신경망 모델을 기반으로 질환을 예측하였으며 AUC, F1-score를 통해 성능을 측정 및 비교한 결과, 심방세동, 좌각차단, 우각차단의 예측 평균 AUC가 각각 0.966, 0.971, 0.965, F1-score가 각각 0.867, 0.816, 0.848로 우수한 성능을 보이는 것을 확인하였다. 이를 통해 웨어러블 헬스케어 기기에서 획득 가능한 단일 리드만을 활용한 심혈관 질환의 진단 가능성을 확인할 수 있었다.
카메라 기반 정밀도로지도 생성을 위한 노면의 높이 및 텍스쳐 모델링 기법
http://doi.org/10.5626/JOK.2024.51.9.835
자율 주행 차량을 위한 정밀도로 지도의 생성과 갱신의 요구가 증대함에 따라 구축과 운용비용이 저렴한 다중 카메라 시스템이 측량 장비의 센서로 활용되고 있다. 다시점 영상의 스테레오 정합과 특 징점 매칭 및 이를 통한 측위 등의 기술이 이러한 카메라 기반 3차원 지도 복원에 활용되고 있다. 본 논 문에서는 차량의 상부에 장착된 다중 카메라 시스템을 기반으로, 점밀도와 정확도가 높은 노면의 3차원 점 군 복원을 위한 hexgrid 기반 노면 모델 방법과 다시점 영상을 기반의 키프레임 자세와 3차원 점군을 이 용하여 높이를 추정하고 텍스쳐를 정합하는 방법론을 제안한다. 초광각 어안렌즈가 장착된 다중 카메라와 GPS를 장착한 측량 시스템에 적용한 결과 최소 점 간격 0.025 m의 정밀한 도로 모델 생성이 가능함을 확인하였다.
메모리 효율적인 파라미터 생성 기반 지속학습
http://doi.org/10.5626/JOK.2024.51.8.747
파라미터 생성 기반 지속학습은 이전 태스크에 대한 안정성 유지에는 탁월하지만, 새로운 태스 크에 대한 적응력이 부족하여 점진적으로 파라미터 생성 능력이 저하되는 문제에 직면한다. 또한, 파라미 터 생성 모델(메타모델)의 최적 크기를 사전에 설정하기 어려워 메모리 효율성 문제가 발생할 수 있다. 본 논문은 이를 해결하기 위해 두 가지 기법을 제안한다. 첫째, Chunk Save & Replay 기법은 생성형 신경 망의 취약한 부분들을 선별적으로 저장 및 재생하여 파라미터 생성 모델의 다양성을 유지하면서도 메모리 를 효율적으로 사용할 수 있도록 한다. 둘째, Automatically Growing GAN 기법은 학습 태스크에 따라 파라미터 생성 모델의 메모리를 자동으로 확장하여 제한된 자원 환경에서 메모리를 효과적으로 활용할 수 있게 해준다. 실험 결과, 모델의 성능 하락을 최소화하면서 메모리 사용량을 크게 감소시킬 수 있었으며 신경망의 성능이 저하되었을 때 회복할 수 있는 능력을 입증하였다.
자연어처리 모델을 이용한 무기체계 소프트웨어 정적시험 거짓경보 저감 연구
http://doi.org/10.5626/JOK.2024.51.3.244
최근 무기체계 첨단화 과정에서 소프트웨어 안정성 확보에 대한 필요가 대두된다. 이를 위해 방위사업청에서는 무기체계 소프트웨어를 대상으로 정적 분석 도구를 통해 신뢰성 시험을 수행한다. 하지만 시험 과정에서 많은 거짓경보가 발생하여 시간적, 자원적 낭비가 발생된다. 이를 위해 본 논문은 정적분석 도구의 로그를 활용하여 데이터셋을 만들고, 자연어처리 모델을 훈련시켜 높은 정/오탐 분류율을 달성하는 것을 목표로 하였다. 또한 연구 과정에서 무기체계 소프트웨어의 정적분석 특성에 맞는 데이터 처리 기법 및 모델 구성에 대해 조사 및 분석을 실행하였다. 분석 결과, 하이퍼파라미터 최적화 도구인 Optuna를 활용하여 C/CPP, 자연어로 선행학습 된 CodeBert 모델이 기존 SoTA모델보다 F1 Score 기준 4~5% 높은 성능을 보이는 것을 알 수 있었다. 소프트웨어 정적 시험에서 본 논문에서 제안하는 모델을 일차적으로 사용한다면 많은 수의 오탐이 식별될 수 있다.
ZNS SSD의 Zone Reclaiming Overhead 완화를 위한 부분-존 회수 기법
http://doi.org/10.5626/JOK.2024.51.2.115
최근 동향인 Zoned Namespace (ZNS) SSD는 존(zone) 단위로 SSD에 접근, 기존의 SSD대비 장치의 용량, 수명, 성능 예측성의 장점이 존재한다. 이에 대한 대가로, 호스트 수준의 존-회수(zone reclaiming)가 요구되었다. 이는 호스트 요청을 지연시키게 되며, ZNS SSD의 장점 중 성능 예측성이 저하되는 문제가 발생한다. 본 논문에서는 이를 완화하기 위한 부분 존-회수(partial zone reclaiming) 기법을 제안한다. 부분 존-회수 기법은 호스트로부터의 요청이 있는 경우 진행중인 존-회수를 지연시키고 호스트 요청을 처리하여 더 빠른 응답시간을 보장한다. 본 논문에서는 존-회수 방법에 따른 분석 결과를 바탕으로, zone reclaiming시 호스트 요청을 먼저 처리할 수 있는 부분 존-회수 기법을 제안, 결과적으로 존-회수 시 호스트 요청의 응답시간을 평균 8% 높일 수 있었고, zone reclaiming의 시간도 최대 41% 단축시켰다.
UnityPGTA : 강화학습을 이용한 유니티 플랫포머 게임의 테스팅 자동화 도구
http://doi.org/10.5626/JOK.2024.51.2.149
수십억 명 규모의 거대한 비디오 게임 산업에서 게임 테스트 비용은 절반에 달할 정도로 상당하여 테스팅 비용 절감을 위한 자동화 연구들이 이루어지고 있다. 그러나 기존 테스트 자동화 기존 연구들은 스크립트 작성 등의 사람의 개입을 요구하는 수동 작업이 남아 있어 테스트 비용이 많이 든다. 또는 VGDL과 GVG-AI의 가상 환경으로 구현되어 실제 게임 테스팅에 활용하기 어렵다. 본 논문에서는 유니티 플랫포머 게임을 대상으로 유니티와 유니티 머신러닝 에이전트를 활용하여 시스템 결함 탐지를 목적으로 게임 테스팅을 자동화하는 도구를 제안한다. 제안하는 도구는 실제 상용 게임 엔진 기반이며 사람의 개입 없이 게임을 스스로 분석하여 게임 자동 테스팅 환경을 구축한다. 그리고 실제 오픈소스 게임들을 대상으로 제안하는 도구와 랜덤 베이스라인 모델의 에러 탐지 결과를 비교 분석하여 제안하는 도구가 효율적으로 자동 게임 분석과 테스팅 환경 구축을 수행하여 테스트 비용을 줄이고 품질과 안정성을 개선할 수 있음을 보인다.
성격유형별 문체 특성 기반 맞춤형 광고 메시지 자동생성 연구
http://doi.org/10.5626/JOK.2024.51.1.23
이 연구는 MBTI의 심리 기능지표 조합의 유형별 특징을 반영한 마케팅 문체 프레임워크를 정의하고 모델 학습을 통해 성격유형별 맞춤화 된 광고 메시지를 생성하는 것을 목적으로 한다. 광고 메시지 자동 생성 기술은 BART 모델에 성격유형을 Prefix로 포함한 광고문을 학습시켜 성격유형에 따라 맞춤형 광고 메시지를 생성하는 방식이다. 학습된 모델은 Prefix 조작만으로 MBTI 성격유형별 문체 특징을 갖춘 광고 메시지로 변환되는 것을 실험을 통해 확인할 수 있었다. 본 연구는 성격유형의 특징을 문체 프레임워크로써 정의하고 이에 기반한 모델 학습을 통해 유형별 문체 특징과 소구점을 포함한 광고 메시지를 생성했다는 기술적 가치가 있다. 본 연구는 마케팅 분야에서의 실무적 활용 가능성 뿐만 아니라 지역 및 언어 간 문체 차이를 구조화하거나 재현해야 하는 문제에서 기반이 되는 연구로 활용될 수 있다.
