이창건 연구실

본 논문은 저지연 및 시각적 연속성을 갖춘 대화형 아바타 생성 프레임워크를 제안합니다. 1초 단위의 청크 기반 스트리밍 생성 방식으로 응답 길이와 무관하게 일정한 짧은 지연을 유지하며, 전환 인식 청크 생성 전략으로 침묵에서 음성으로의 자연스러운 전환을 구현합니다. MuseTalk 립싱크 모델 기반으로 TensorRT 최적화를 통해 인간다운 대화 타이밍을 달성합니다.

본 연구는 수동적 행동 데이터를 통한 정신 건강 인식을 위한 대화형 시각화 도구인 MHcanvas를 제시합니다. 키보드 데이터를 중심으로 두 가지 비교 모드와 8가지 정신 건강 평가를 지원하며, 산점도, 통계 오버레이, 동적 히스토그램을 통해 개인의 행동과 정신 건강 추세의 관계를 직관적으로 이해하도록 합니다. 40명의 참가자를 대상으로 한 파일럿 연구에서 77.5%의 참가자가 긍정적 반응을 보였습니다.

본 연구는 고지방·고자당(HFHS) 식이에 지속적으로 노출된 C57BL/6J 마우스 자손의 성별 특이적 심장 기능 변화를 조사했습니다. HFHS 식이 노출 결과 수컷 자손은 체중·지방량 증가와 함께 좌심실 수축 기능 장애(ESV 증가, Ees 감소, Ea/Ees 비율 상승)를 보였으며, 암컷 자손은 6주령에서 포도당 불내증과 함께 초기 이완기 기능 장애(Eed 감소)를 나타냈습니다.

본 연구는 청소년의 일상적 디지털 활동 데이터를 활용한 AI 기반 정신건강 평가 프레임워크를 제안합니다. 모바일 기기에서 수집한 15가지 수동 센서 데이터(학습, 스마트폰 사용, 메타버스 게임)와 8가지 정신질환 자가보고 데이터로부터 1,523개의 특징을 추출하였습니다. 시뮬레이티드 어닐링을 활용한 CAMP 알고리즘으로 특징 선택을 수행하여 정신건강 평가 모델의 성능을 유의미하게 향상시켰습니다.