• 한국게임학회지
• /
• v.6 no.1
• /
• pp.52-54
• /
• 2009

프로그램된 정보를 사용하는 자율 가상 캐릭터는 항상 반복된 패턴 행동을 하기 때문에 사용자가 흥미를 잃는 경우가 많고 현실성도 떨어진다. 본 논문에서는 이러한 문제점을 해결하기 위해, 자율 가상캐릭터가 자율적으로 인지한 정보를 저장하고 저장한 정보를 활용하여 상황에 맞는 행동을 수행할 수 있는 메모리 체계를 제안한다. 본 논문은 자율 가상 캐릭터가 시각 주목으로 인지한 정보를 저장하고 관리하는 메모리 체계의 모델을 제시한다. 메모리 용량을 효율적으로 사용할 수 있도록 게임 환경에 적합한 빠른 시각 주목 알고리즘을 연구하여 중요하고 눈에 띄는 정보만 저장한다. 자율 가상 캐릭터의 인지 메모리를 크게 시각 기억와 공간 관계 기억 구조로 구성한다. 시각 기억은 쿼드그래프로 구현된 저장 구조에 인지한 정보를 저장한다. 공간 관계 기억은 공간 관계 그래프 이론을 기반으로 객체들간의 방향과 거리 정보를 저장한다. 본 논문의 제안 방법을 가상 환경에서 실험한 결과, 자율 가상 캐릭터는 시각 주목 기능으로 3차원 가상 환경의 동적 객체까지 감지하여 자율적으로 정보를 주목하여 저장하고 있음을 확인했다. 자율 가상캐릭터는 메모리 정보를 활용하여 목표 객체를 빠르게 탐색하며 길찾기에 필요한 경로 계획을 수립한다. 성능면에서는 주목맵만들기 위한 특징맵으로 가장 주목할 수 있는 특징들로 구성하여 처리속도가 1.6배 이상 향상됨을 확인했다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.10a
• /
• pp.147-150
• /
• 2008

The real road network is regarded as a grid, and the grid is divided by fixed-sized cells. The path-finding is composed of two step searching. First searching travels on the abstract graph which is composed of a set of psuedo vertexes and a set of psuedo edges that are created by real road network and fixed-sized cells. The result of the first searching is a psuedo path which is composed of a set of selected psuedo edges. The cells intersected with the psuedo path are called as valid cells. The second searching travels with $A^*$ algorithm on valid cells. As pruning search space by removing the invalid cells, it would be possible to reduce the cost of exploring on real road network. In this paper, we present the method of creating the abstract graph and propose a path-finding algorithm on the abstract graph for extracting search space before traveling on real road network.

• The Journal of the Korea Contents Association
• /
• v.12 no.8
• /
• pp.1-12
• /
• 2012

We develop the Spatio-Temporal Graph to imbue the historical context to the situations in a virtual world, and an ontology to enable a structural description of their elements such as the objects, relationships, and activities. In the time dimension the graph models all the temporal phases of the future besides the past and present in a comprehensive manner, and all the spatial aspects in an intuitive but efficient fashion. The overall architecture composing the Physical Layer, Logical Layer and Conceptual Layer which are integrated according to their interrelations allows events occurring in their corresponding worlds to be simulated in historical context. The S-T Graph could be used both to simulate the situations in the virtual world and to realize the knowledge systems of the virtual inhabitants to be used in judging and evaluating those situations. By adding temporal changes to the multi-layered architecture of our virtual world, this model lays a foundation for maximizing the diversity of situations in the simulation of a virtual world.

• Journal of KIISE
• /
• v.42 no.1
• /
• pp.44-53
• /
• 2015

Control flow information is useful in the analysis and comparison of programs. Virtualization-obfuscation hides control structures of the original program by transforming machine instructions into bytecode. Direct examination of the resulting binary reveals only the structure of the interpreter. Recovery of the original instructions requires knowledge of the virtual machine architecture, which is randomly generated and hidden. In this paper, we propose a method to reconstruct original control flow using only traces generated from the obfuscated binary. We consider traces as strings and find an automaton that represents the strings. State transitions in the automaton correspond to the control transfers in the original program. We have shown the effectiveness of our method with commercial obfuscators.

• KIPS Transactions on Software and Data Engineering
• /
• v.8 no.5
• /
• pp.205-212
• /
• 2019

Scene graph is a kind of knowledge graph that represents both objects and their relationships found in a image. This paper proposes a 3D scene graph generation model for three-dimensional indoor environments. An 3D scene graph includes not only object types, their positions and attributes, but also three-dimensional spatial relationships between them, An 3D scene graph can be viewed as a prior knowledge base describing the given environment within that the agent will be deployed later. Therefore, 3D scene graphs can be used in many useful applications, such as visual question answering (VQA) and service robots. This proposed 3D scene graph generation model consists of four sub-networks: object detection network (ObjNet), attribute prediction network (AttNet), transfer network (TransNet), relationship prediction network (RelNet). Conducting several experiments with 3D simulated indoor environments provided by AI2-THOR, we confirmed that the proposed model shows high performance.

• The Journal of the Korea Contents Association
• /
• v.13 no.6
• /
• pp.9-19
• /
• 2013

In this paper, we develop a Spatio-Temporal graph as of a key component of our knowledge representation Scheme. We design an integrated representation scheme to depict not only present and past but future in parallel with the spaces in an effective and intuitive manner. An event in general occupies not only a space but a time. Hence a crucial premise for the simulation of virtual situations is to position events in the multi-dimensional context, that is, 3-D space extended by the temporal dimension. Furthermore an event tends to have physical, social and mental aspects intertwined. As a result we need diverse information structures and functions to model entities and relations associated with events and to describe situations in different stances or perspectives of the virtual agents. These structures and functions are implemented in terms of integrated and intuitive representation schemes at different levels such as Ontology View, Instance View, ST View, Reality View. The resulting multi-dimensional comprehensive knowledge structure accommodates multi-layered virtual world developing in the time to maximize the diversity of situations in the historical context. The viability of this knowledge representation scheme is demonstrated with a typical scenario applied to a simulator implemented based on the ST Graph. The virtual stage based on the ST graph can be used to provide natural contexts for situated learning or next-generation simulation games.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.742-745
• /
• 2018

장면 그래프는 영상 내 물체들의 정보를 나타내는 지식 그래프이다. 본 논문에서는 3차원 공간에서 에이전트의 탐색을 통해, 장면 그래프를 생성하는 모델을 제안한다. 3차원 공간에 대한 장면 그래프는 물체들의 위치, 종류, 속성뿐만 아니라 물체들 간의 관계 정보를 포함한다. 이에 따라 장면 그래프는 다양한 문제 해결에 기초 데이터로써 활용될 수 있다. 본 논문은 장면 그래프를 생성하기 위해 필요한 기능들을 정의하고, 기능에 따라 4가지 부분 네트워크들을 제안한다. 또한 각 부분 네트워크들의 학습 및 성능 평가를 위해, 3차원 실내 가상환경인 AI2-THOR에서 데이터들을 수집하였고, 다양한 실험을 통해 각 부분 네트워크들의 성능을 검증하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04a
• /
• pp.53-55
• /
• 2000

VRML은 상호 작용을 하는 3D 객체와 세계를 기술하는 파일 형식이다. OO-VRML은 VRML을 객체 지향 언어로 확장하여 정보 은닉, 상속 그리고 동적 바인딩 등을 가능하게 한 언어이다. OO-VRML의 이런 특징들은 더 동적인 가상 세계를 섬세하게 조정할 수 있도록 해준다. 이 논문에서는 OO-VRML의 표현 능력을 잘 활용하기 위해 OO-VRML 언어를 사용하는 전용 브라우저를 설계하고 구현한다. 부라우저는 파싱 및 인스턴스화 모듈, 실행 모듈, 브라우저 모듈의 세 부분으로 나누어진다. 파싱 및 인스턴스화 모듈은 OO-VRML 형식의 가상 세계를 읽어들여서 객체로 바꾸어주고 그객체들을 인스턴스화하여 OO-VRML장면 그래프로 바꾸어준다. 장면 그래프는 실행 모듈은 발생한 이벤트들을 처리하여 인스턴스의 필드 값을 바꾸어준다. 브라우저 모듈은 가상 세계를 화면에 나타내 주고 사용자 입력과 네비게이션을 처리한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.433-434
• /
• 2009

본 논문에서는 그리드 형태의 레이아웃을 갖는 도시지역 신호등망에 대해 효율적인 라우팅 기법을 개발하고 평가할 수 있는 프레임워크를 구성한다. 신호등망은 다중인접 그래프로 자료구조화하며 직접 통신이 가능한 노드들에게는 링크가 추가되었다. 또 전송 전에 channel probing에 의해 경로를 선택하는 split-merge 방식을 고려하여 가상링크를 그래프에 추가하고 이의 비용을 산정한다. 이후 Dijkstra 알고리즘과 같이 프레임워크에서 제공되는 경로 탐색 기능으로 하여금 가상링크를 포함한 경로를 찾은 다음 최종적으로 이 경로를 기반으로 가상링크를 실제링크로 변환하도록 하였다. 이를 바탕으로 슬롯 오류 비율을 변화시켜가면서 실제 전송 성공률을 측정할 수 있으며 새로운 경로배정 알고리즘 개발을 위한 피드백을 제공할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.670-673
• /
• 2022

설명가능한 인공지능은 딥러닝과 같은 복잡한 모델에서 어떠한 원리로 해당 결과를 도출해냈는지에 대한 설명을 함으로써 구축된 모델을 이해할 수 있도록 설명하는 기술이다. 최근 여러 분야에서 그래프 형태의 데이터들이 생성되고 있으며, 이들에 대한 분류를 위해 다양한 그래프 신경망들이 사용되고 있다. 본 논문에서는 대표적인 그래프 신경망인 그래프 합성곱 신경망(graph convolutional network, GCN)에 대한 설명 기법을 제안한다. 제안 기법은 주어진 그래프의 각 노드를 GCN을 사용하여 분류했을 때, 각 노드의 어떤 특징들이 분류에 가장 큰 영향을 미쳤는지를 수치로 알려준다. 제안 기법은 최종 분류 결과에 영향을 미친 요소들을 gradient를 통해 단계적으로 추적함으로써 각 노드의 어떤 특징들이 분류에 중요한 역할을 했는지 파악한다. 가상 데이터를 통한 실험을 통해 제안 방법은 분류에 가장 큰 영향을 주는 노드들의 특징들을 실제로 정확히 찾아냄을 확인하였다.