전병곤 연구실

본 연구는 DNN과 하드웨어 발전으로 가능해진 혼합현실 애플리케이션의 개발 과제를 다룹니다. 혼합현실 애플리케이션은 실제 세계 분석과 현실적인 가상 콘텐츠 시뮬레이션을 요구하지만, 통합 프레임워크 부재로 인한 높은 프로그래밍 노력과 엔드-투-엔드 지연으로 인한 실제 장면과 가상 콘텐츠 간 불일치 문제에 직면합니다.

근안 디스플레이를 갖춘 혼합현실 기기는 새로운 사용자 경험을 가능하게 합니다. 본 연구는 실제 세계 분석과 가상 콘텐츠 시뮬레이션을 통합하는 프레임워크 개발을 목표로 하며, 분석 및 시뮬레이션 파이프라인의 프로그래밍 복잡성과 실제-가상 콘텐츠 간 불일치 문제를 해결합니다.

본 논문은 머신러닝과 그래프 처리 같은 반복적 데이터 처리 작업에서 중간 데이터가 메모리 용량을 초과할 때 캐싱 메커니즘의 효율성을 개선하는 것을 목표로 합니다. 기존 시스템은 캐싱, 제거, 복구 등의 작업 계층을 독립적으로 운영하여 전역 최적 결정을 내리지 못하는 문제를 지적합니다.

FlowKV는 스트림 처리 엔진의 대규모 상태 관리를 위한 영구 저장소입니다. 윈도우 작업의 데이터 접근 패턴을 분류하고 각 패턴에 최적화된 메모리 및 디스크 자료구조를 배포하며, 윈도우 메타데이터를 활용하여 미리 배치로 데이터를 로드합니다. NEXMark 벤치마크 실험 결과 Apache Flink on FlowKV는 RocksDB 또는 Faster 대비 최대 4.12배의 처리량 향상을 달성합니다.

본 논문은 언어모델 서비스(LMaaS)를 위한 경량 자동 프롬프트 생성 방법인 MetaL-Prompt를 제안합니다. 메타러닝을 통해 프롬프트 생성 모델을 훈련하여 미학습 작업에 대해 추가 학습 없이 프롬프트를 생성할 수 있으며, 단일 순전파로 계산 비용을 크게 감소시킵니다. QA 데이터셋에서 기존 P-tuning 대비 평균 F1 점수 19.4% 향상을 달성합니다.