이재진 연구실

본 논문은 제한된 GPU 메모리 환경에서 대규모 언어모델(LLM) 학습을 위해 GPU 파이프라인과 GPU-CPU 파이프라인으로 구성된 하이브리드 파이프라인 메커니즘 SPipe를 제시합니다. SPipe는 기존 파이프라인 병렬화의 버블을 감소시키고 데이터 전송 오버헤드를 완화하며, 다양한 크기의 LLM 학습에서 기존 방법 대비 1.26배 성능 향상을 달성합니다.

본 논문은 디스플레이 아래 카메라(UDC)의 노이즈, 블러, 플레어 등의 열화를 복원하기 위해 공간 및 주파수 영역 정보를 통합하는 SFIM 네트워크를 제안합니다. CNN과 FFT 기반 모델을 결합하여 공간 영역 블록(SDB)에서 세부 텍스처를, 주파수 영역 블록(FDB)에서 광범위한 영역의 불규칙한 열화를 처리하며, 주의 기반 통합 블록(AMIB)으로 다중 레벨에서 상호보완적 특징을 선택적으로 통합합니다.

본 연구는 개인 데이터의 프라이버시를 보호하면서 강력한 LLM을 활용하는 PPMI 프레임워크를 제안합니다. 소크라테스 사고의 연쇄 추론으로 신뢰할 수 없는 LLM에서 비공개 쿼리를 생성하고, 동형 암호화된 벡터 데이터베이스를 통해 백만 개 항목의 개인 데이터에서 암호화된 의미 검색을 수행한 후, 로컬 모델에서 최종 응답을 생성합니다. LoCoMo 벤치마크에서 GPT-4o 단독 사용 대비 7.1 포인트 향상된 성능을 달성합니다.

본 논문은 이질적 시스템에서 희소 직접 해석기의 확장성을 개선하기 위해 SnuSOLVER 라이브러리를 제안합니다. 중첩 분할 계층의 각 수준 특성에 맞춘 2단계 실행 전략을 채택하여 모든 계층에서 최적 성능을 보장합니다. 8개 노드의 이질적 클러스터에서 31개의 희소 행렬로 평가한 결과, SnuSOLVER은 SuperLU_DIST와 STRUMPACK을 능가하는 성능을 입증했습니다.

본 연구는 디스플레이 하단 카메라(UDC) 기술에서 발생하는 광학 왜곡이 얼굴 인식 정확도에 미치는 영향을 분석합니다. GAN을 이용하여 실제 UDC 열화 현상을 포함한 세 가지 얼굴 인식 데이터셋을 생성하고, UDC 복원 기술이 특히 페어 매칭 작업에서 얼굴 인식 성능에 미치는 영향을 평가합니다.