Study Log

unity 6.2 beta ai

하바사 — Sat, 9 Aug 2025 22:17:32 +0900

https://youtu.be/YFYzH8V5wnw?si=OMjHZthPpEJ-_z3-

https://youtu.be/dz27ljjAYao?si=TadbAl0sFeazw-aW

두 가지 주요 AI 기능:

AI 어시스턴트: 프로젝트 관련 질문에 답하고, 오류 로그를 분석하며, 코드를 생성해줌.
AI 제너레이터: 애니메이션, 머티리얼, 사운드, 스프라이트, 텍스처 등을 생성할 수 있음
텍스처 생성 : 프롬프트 입력으로 생성 가능
사운드 생성 : "고양이 울음소리" 같은 프롬프트로 사운드를 생성하지만, 아직 정확도가 낮음
애니메이션 생성 : 텍스트나 비디오를 기반으로 애니메이션을 생성

RHI 설정

하바사 — Sat, 26 Jul 2025 20:27:08 +0900

1. 실행 옵션으로 설정 (콘솔 명령어 아님)

런타임 중엔 RHI를 바꿀 수 없기 때문에, 실행 전에 설정해야 함.

실행 시 커맨드라인 옵션

MyGame.exe -rhi=dx11

DX12로 실행하고 싶으면:

MyGame.exe -rhi=dx12

2. DefaultEngine.ini에서 설정

프로젝트 설정을 통해 기본 RHI를 고정할 수도 있음.

[/Script/WindowsTargetPlatform.WindowsTargetSettings]
DefaultGraphicsRHI=DefaultGraphicsRHI_DX11

가능한 값:

DefaultGraphicsRHI_DX11
DefaultGraphicsRHI_DX12
DefaultGraphicsRHI_Vulkan (Windows에서도 Vulkan 지원됨)

3. 런처에서 옵션 고르기처럼 만들기

게임 시작 전에 그래픽 API 선택할 수 있는 UI를 만들고, 그 선택에 따라 .bat 파일이나 런처로 실행 옵션 다르게 줄 수도 있음.

start MyGame.exe -rhi=dx11

이렇게 여러 개 배치 파일 만들어서 DX11, DX12 선택 UI 만들 수도 있고, 저장된 설정값을 불러와서 GameUserSettings.ini나 커스텀 설정으로 실행할 수도 있음.

Scalability Settings 정리

하바사 — Sat, 12 Jul 2025 18:58:07 +0900

그래픽 품질 조절하는 세팅들임. 낮출수록 퍼포먼스 좋아짐. 높일수록 그래픽 좋아짐. 아래는 각 세팅의 역할임.

GlobalIlluminationSetting

전역 조명 품질 설정함. Lumen, SSGI 같은 간접광 효과 품질 조절됨.
낮추면 간접광 표현 없어지거나 품질 낮아짐.

ReflectionSetting

반사 품질 설정함. 스크린 공간 반사(SSR), Lumen 반사, 큐브맵 반사 등에 영향 줌.
낮추면 반사 흐리거나 단순화됨.

ShadowSetting

그림자 품질 조절함. 해상도, 샘플링, 거리 등에 영향 줌.
낮추면 그림자 흐릿하거나 사라짐.

VolumetricsSetting

볼류메트릭 효과 품질 설정함. 안개, 광선, 조명 산란 같은 효과 포함됨.
낮추면 분위기 연출 떨어짐.

ViewDistanceSettiing

오브젝트 렌더링 거리 설정함. 높을수록 멀리 있는 오브젝트까지 보임.
퍼포먼스 영향 큼. 낮추면 멀리 있는 건 안 보임.

TexturesSetting

텍스처 해상도 품질 조절함. 낮추면 저해상도 텍스처 사용해서 메모리 절약함.
그래픽 퀄리티 감소함.

TexturesFilteringSetting

텍스처 필터링 방식 설정함. Bilinear, Trilinear, Anisotropic 같은 거 바뀜.
높일수록 각도에 따른 텍스처 품질 유지됨.

EffectSetting

파티클, 불꽃, 연기 등 이펙트 품질 설정함.
낮추면 이펙트 개수 줄거나 단순해짐.

FoliageSetting

식생(풀, 나무 등) 렌더링 품질 설정함. 거리, 밀도, LOD 등에 영향 줌.
낮추면 풀 잘 안 보임.

ShadingSetting

머티리얼 셰이딩 품질 조절함. PBR, 서브서피스 같은 고급 기능 포함됨.
낮추면 머티리얼 단순화됨.

추가 정보

각 세팅은 보통 0~3 사이 값 가짐.
0 = Low, 1 = Medium, 2 = High, 3 = Epic
코드에서 이렇게 설정 가능함:

Scalability::FQualityLevels Quality;
Quality.SetFromSingleQualityLevel(3); // 전체 Epic으로 설정
Scalability::SetQualityLevels(Quality);

Global Illumination 방식 정리 (Lumen vs Screen Space GI)

Unreal Engine에서는 Global Illumination(GI) 방식으로 크게 두 가지 제공함:

GI 방식설명

Lumen	고품질 동적 GI 시스템. 정반사, 간접광, 반사 등 동적으로 계산함. 엔진이 DX12, SM5, RT 지원해야 하고 프로젝트 설정에서 활성화 필요함.
Screen Space GI (SSGI)	GI를 화면에 보이는 픽셀만으로 추정하는 방식. 퍼포먼스는 좋지만 정확도 떨어짐. Lumen이 꺼졌거나 지원 안 하면 자동으로 fallback 됨.

왜 Scalability 세팅만으로 Lumen 전환이 안 되는가?

Scalability::SetQualityLevels() 또는 r.GlobalIlluminationQuality 같은 콘솔 명령어로 GI 품질을 조절해도,
Lumen 자체를 켜거나 끄는 기능은 아님.
Lumen은 프로젝트 설정 + 레벨 세팅 + 엔진 런타임 초기 상태에서만 제대로 활성화됨.

즉:

프로젝트 세팅에서 Lumen 활성화 안 되어 있으면, Scalability를 아무리 높여도 SSGI에서 Lumen으로 안 넘어감.
반대로 처음부터 Lumen이 켜져 있었다면, 런타임 중에 Scalability 변경을 통해 Lumen ↔ SSGI 전환 가능함 (r.GlobalIllumination.Method 1 or 2).

처음부터 Lumen으로 세팅해놔야, 런타임 중에 Scalability나 콘솔 커맨드로 Lumen <-> ScreenSpace GI 전환이 가능하다.

처음에 Lumen이 꺼져 있었으면, 나중에 켜려 해도 안 됨.

Lumen은 기본적으로 엔진 초기화 시점에 구성됨

Lumen은 단순히 Scalability Quality에 따른 옵션이 아님.
렌더링 파이프라인에서 GI 및 Reflection 방식을 Lumen으로 구성하는 것은 엔진이 시작할 때 설정된 값(또는 DefaultEngine.ini)에 따라 결정됨.
만약 프로젝트 세팅 또는 r.DynamicGlobalIlluminationMethod가 처음에 Lumen이 비활성화 상태면 Lumen 시스템은 로드조차 안 됨.

그 상태에서 Scalability나 콘솔 명령어로 GI 퀄리티를 조절해봤자 방식이 바뀌지 않음.

Scalability는 방식(method)이 아닌 품질(quality)을 조절.

r.DynamicGlobalIlluminationMethod=1 ; GI 방식 (0=None, 1=Lumen, 2=SSGI)
r.GlobalIlluminationQuality=3 ; GI 품질 (0~3)

왜냐면 Lumen은 GPU 파이프라인 및 여러 서브시스템이 초기화 단계에서 활성화되기 때문임.

확인하고 설정할 곳

프로젝트 세팅 > Rendering
- Dynamic Global Illumination Method = Lumen
- Reflection Method = Lumen
콘솔 변수
복사편집

r.DynamicGlobalIlluminationMethod=1 ; 0 = None, 1 = Lumen, 2 = SSGI r.ReflectionMethod=1 ; 0 = None, 1 = Lumen, 2 = SSR, etc.
ini
Scalability는 품질만 조절, 방식 전환은 안 됨
예: r.GlobalIlluminationQuality 3 ← 품질만 조절, Lumen 활성화 아님.

[언리얼] Anti-Aliasing, Upscaling Method

하바사 — Fri, 30 May 2025 23:48:11 +0900

Unreal Engine에서 지원하는 Anti-Aliasing 방식

옵션 명칭설명

Off	완전 비활성화. 성능은 좋지만 aliasing 심함
FXAA (Fast Approximate AA)	저사양에 적합, 블러리하고 정확도 낮음
TAA (Temporal AA)	UE의 기본값. 시간축 AA로 부드러우나 ghosting, blur 있음
TSR (Temporal Super Resolution)	UE5에 추가됨. 업스케일링 + 고급 TAA를 결합한 형태, 성능/품질 균형 좋음
MSAA (Editor 전용 또는 모바일용)	Multi-Sampling AA. 고성능 GPU에서 품질 우수하나 성능 부담 큼. 주로 모바일/VR에서 사용

r.AntiAliasingMethod 콘솔 명령어를 통해 설정 가능
값: 0 = Off, 1 = FXAA, 2 = TAA, 3 = MSAA, 4 = TSR

Unreal Engine Upscaling Method 종류

옵션 명칭설명

Off	업스케일링 비활성화. 1:1 렌더링
DLSS	NVIDIA 전용 AI 업스케일링 (지원 GPU 한정)
FSR 1	AMD FidelityFX 1, 성능 중심
FSR 2	고품질 Temporal 기반 업스케일링
TSR	Epic의 자체 Temporal Super Resolution, 중상급 GPU에서 최적
XeSS	인텔의 AI 기반 업스케일링 (UE5 플러그인 필요)

r.Upscaling.Method 또는 r.ScreenPercentage 계열로 설정 가능
예: r.Upscaling.Method=1 등

자글자글한 현상 원인 (추정)

언리얼에서 AA method와 Upscaling method를 임의로 조합하거나, 품질 수치를 무리하게 조정하면 다음과 같은 문제가 발생할 수 있음

예상 원인:

문제 유형설명

비호환 조합	예: TSR을 켰는데 AA를 Off로 하면, TSR 내부 샘플링 정확도가 떨어지며 자글거림 발생 가능
Quality 값 조절 후 실제 적용 안 됨	엔진 내부적으로 해당 Method에 대해 Quality 값이 무의미하거나 기본값으로 fallback되는 경우, 유저는 조정한 줄 알지만 실제론 품질 저하
비정상 스케일링	Resolution Scale이 낮고 Upscaling이 저급 품질이면, AA로도 커버가 안 됨
Temporal Stability 부족	AA 방식이나 업스케일러가 Temporal 기반인데, 프레임 안정성이나 샘플 히스토리가 꼬일 경우 텍스처/윤곽선 떨림 발생

예를 들어 Upscaling Method = "TSR" + AA Method = "Off" 조합으로 돌리면, TSR이 자체 샘플링 기반 anti-aliasing을 하지 못해서 aliasing이 매우 심하게 생길 수 있음
또한 "Upscaling Quality" 값이 낮으면 텍스처 세부 묘사가 망가짐.

[언리얼5] Localization Dashboard

하바사 — Sat, 10 May 2025 21:34:21 +0900

https://youtu.be/uyxUp6-WQmo?si=WRQD8yvMh1Y0tfff

https://dev.epicgames.com/documentation/ko-kr/unreal-engine/localization-overview-for-unreal-engine

Unreal Engine 로컬라이제이션(Localization) 시스템 개요 및 Dashboard 사용법

Localization Dashboard 사용법

Gather – 프로젝트에서 번역할 텍스트를 수집
Translate – .po 파일을 이용해 번역
Compile – 번역된 파일을 게임에 적용하기 위해 컴파일

✅ 1. Localization Dashboard 열기

상단 메뉴에서 Window → Localization Dashboard 선택
혹은 Editor Preferences → Experimental → Localization 활성화

✅ 2. 새 Localization Target 생성

Add New Target 클릭 → 예: Game, UI 등
각 Target은 별도의 번역 단위 (게임 본편, UI 등)로 관리 가능

✅ 3. Gather 설정

Gather from Packages 체크
Include Paths에 번역할 경로 추가 (예: /Game/Dialogues/)
.uasset, .umap 등 번역 가능한 파일 확장자 등록

String Table을 사용하는 경우, String Table 경로도 추가해야 텍스트가 수집됨.

✅ 4. 언어 추가 및 Native 설정

Add New Culture 버튼으로 지원할 언어 추가 (예: en, ko)
Native Culture는 원본 언어 (보통 ko 또는 en)로 설정

✅ 5. Gather Text 실행

하단의 Gather Text 클릭
번역 대상 텍스트 수집
Translation Editor에서 원문을 확인 가능

✅ 6. .po 파일로 번역

Export to .PO → 외부 툴(Poedit 등)에서 번역
Import from .PO → 번역 결과를 Unreal로 다시 불러오기

✅ 7. Compile Text 실행

번역 결과를 .locres로 컴파일해 실제 게임에서 적용 가능하게 만듦

✅ 8. 문화권 전환 (런타임에서 적용)

FInternationalization::Get().SetCurrentCulture("en");

또는 Blueprint에서 Set Current Culture 노드 사용.

⚠️ 자주 발생하는 문제와 해결 팁

문제원인해결

번역이 안 나옴	msgctxt 누락	.po에 Namespace.Key 형태의 msgctxt 포함
번역 적용 안 됨	Compile Text 미실행	Dashboard에서 컴파일 필요
텍스트 자동으로 안 바뀜	문화권 전환 누락	게임 시작 시 SetCurrentCulture() 호출 필요
String Table이 번역 안됨	.po로 번역 불가	String Table 에디터에서 직접 번역

그래픽스 공부

하바사 — Sat, 26 Apr 2025 22:27:12 +0900

노멀맵이란

조명 반응만으로 울퉁불퉁한 표면처럼 보이게 만드는 마법의 텍스처.

3D 모델에 디테일을 넣으려면, 예전엔 정말로 작은 돌기나 주름까지 다 모델링해야 했음.
근데 그러면 폴리곤 수가 엄청나게 많아져서 성능에 큰 부담이 생김.

그래서 나온 게 실제로 표면이 울퉁불퉁하지 않아도, 조명에만 그렇게 반응하도록 속이는 기술. 즉, 거기 튀어나온 것처럼 보이게만 하고, 진짜로는 평평함.

노멀맵은 보라색+파란색 계열의 특이한 텍스처로 보임.
그 안에는 각 픽셀이 어디 방향으로 빛을 반사해야 하는지에 대한 정보(RGB = XYZ 벡터)가 담겨 있.

빨간색(R) → X 방향 기울기
녹색(G) → Y 방향 기울기
파란색(B) → Z 방향 기울기 (보통 1에 가까움)

벽돌 벽의 홈, 갑옷의 작은 스크래치, 얼굴의 모공…
→ 모델링하지 않고 노멀맵으로 ‘보이게만’ 함

쉐이더(Shader)는 이 노멀 정보를 보고, 빛의 반사 방향을 바꿔서 그림자를 만드는 척 함.
FPS 게임에서 보면 총이나 손에 빛이 스르륵 흘러가며 반짝이는 느낌, 대부분 노멀맵.

요약

목적	표면 디테일을 조명 반응만으로 구현해서 퍼포먼스를 절약
결과	울퉁불퉁해 보이지만, 실제로는 평평한 표면
핵심 기술	픽셀마다 표면 노멀 벡터를 텍스처로 전달
비유	조명에 반응하는 '속임수 양각무늬 스티커'

G버퍼란

G버퍼는 '화면의 각 픽셀이 가진 다양한 정보를 따로따로 저장해둔 버퍼 묶음'.
→ 그래야 나중에 조명 계산을 한꺼번에 할 수 있음.

기본적으로 게임 엔진은 물체를 화면에 그릴 때, 각 픽셀마다:

이게 무슨 재질인지?
노멀 방향은 어떤지?
월드 포지션은 어디인지?
텍스처 색깔은 뭔지?

같은 정보를 필요로 함. 그런데 Forward Rendering에서는 '그릴 때마다 조명 계산까지 같이 해야 하니까' 조명이 많아지면 성능이 부하. 그래서 Deferred Rendering + G-Buffer 시스템을 사용함.

1단계: 먼저 각종 정보를 쌓아놓기만 함.

픽셀마다 필요한 데이터만 모아둠.
이게 바로 G버퍼 (Geometry Buffer)

2단계: 그 정보들을 바탕으로 나중에 조명 처리만 한꺼번에 .

조명 1만 개여도 한 번만 훑으면 되니까 성능 면에서 나음.

G버퍼 안에 뭐가 들어 있을까?

BaseColor / Albedo	표면의 색상	Diffuse 계산
Normal	표면의 방향 (벡터)	빛 반사 방향, 라인렌더링 필터
Roughness / Metalness	질감 정보 (매끈한지, 금속인지 등)	PBR 셰이딩
Depth	화면에서 카메라까지의 거리	포스트 이펙트, 외곽선
Specular	광택 정도	하이라이트 계산
World Position (추가 구성 가능)	픽셀의 실제 위치 (XYZ)	특수효과, 뎁스 기반 연산 등

G버퍼를 쓰면

외곽선 렌더링, 쉐도우, 포스트 이펙트, 드로잉 필터, 환경광 이런 걸 후처리에서 유연하게 제어할 수 있음
즉, 한 번 그려놓고 그 위에서 세팅 가능.
NPR, 셀셰이딩, 실루엣 강조, 비주얼 이펙트 다 여기서 커스터마이징 가능함.

결론

"G버퍼는 마치 카메라로 사진을 찍었는데,
일반 사진이 아니라 '색상 사진', '깊이 사진', '표면 방향 사진' 등을
각각 다른 렌즈로 동시에 찍어놓은 세트"

그걸 모아서 나중에 합성해서 조명/효과를 입히는 것.
그래서 디퍼드 렌더링은 일종의 실시간 합성 파이프라인이기도 함

3D 툴 기반 렌더링 워크플로우:

보통 3D 툴(예: Maya, Blender)에서는,

렌더 패스(diffuse, specular, shadow, AO 등)를 분리해서
합성 프로그램(Nuke, After Effects 등)에서 후처리하고 합성하여
최종 결과물을 만듦.

→ 비용이 들고, 실시간성이 없는 대신 퀄리티 제어가 정교함.

Unreal의 디퍼드 렌더링(Deferred Rendering):

Unreal Engine에서는 디퍼드 렌더링을 사용하면,

G-Buffer에 각종 정보(알베도, 노멀, 깊이, 월드 포지션 등)를 저장한 뒤
그걸 가지고 후처리 단계(Post-processing)에서 조명, 효과, 셰이딩을 따로 계산함.

즉, 렌더 패스 기반 합성을 실시간으로 유사하게 흉내 낼 수 있음.

프로파일링과 최적화 작업

하바사 — Sat, 12 Apr 2025 19:19:06 +0900

https://dev.epicgames.com/documentation/en-us/unreal-engine/stat-commands-in-unreal-engine

Stat 커맨드

D3D11RHI	Direct3D 11 RHI 통계 표시, DirectX 11 백엔드의 GPU 호출 및 작업 통계
FPS	FPS 표시
GPUParticles	GPU 파티클 퍼포먼스 정보 표시

Stat GPU

프레임 GPU 통계 표시. GPU에서 처리 중인 작업 목록.

Start SREAMING

스트리밍 에셋의 기본 통계 표시. 메모리 스트리밍 텍스처가 사용량, 씬에 있는 스트리밍 텍스처의 양 등이 표시됨.

Start SceneRendering

스트리밍 에셋의 기본 통계 표시. 메모리 스트리밍 텍스처가 사용량, 씬에 있는 스트리밍 텍스처의 양 등이 표시됨. 드로우콜, 그림자, 빛 등의 씬 렌더링 관련 정보.

Stat Engine

메시 삼각형, 버텍스, 드로우콜 등

Stat UNIT	전반적인 프레임 시간과 게임 스레드, 렌더링 스레드, GPU 시간 (프로파일링용 커맨드) This is great stat command to start with because it helps developers focus their profiling work.
Frame	프레임 생성 시간, 60프레임 : 16.66ms 미만 / 30프레임 : 33.33ms 미만
Game	프레임 시간이 게임 시간에 가까운 경우 게임 스레드 때문에 게임 퍼포먼스에 병목 구간이 발생하는 것일 수 있음
Draw	프레임 시간이 드로 시간에 가까운 경우 렌더링 스레드 때문에 게임 퍼포먼스에 병목 구간이 발생하는 것일 수 있음
GPU	GPU 시간은 비디오 카드가 씬을 렌더링할 때 얼마나 오래 걸리는지 측정함. GPU 시간은 프레임과 동기화되므로 프레임 시간과 유사할 확률이 높음.
RHIT	렌더링 하드웨어 인터페이스 스레드에서 소용된 시간(예:OpenGL, D3D12). RHI 스레드 시간은 보통 프레임과 동기화되므로 프레임 시간과 유사할 확률이 높음
Draws	현재 DrawPrimitve 호출 수.
Prims	현재 그려지는 삼각형 수

Mesh LOD 조절 방법

Enable Nanite Support를 체크 해제한다.

Nanaite 설정 해제를 하면 기본 LOD0 상태의 Triangle Count를 조절할 수 있다.

Nanite 체크하면 트라이앵글 자동 카운트되어서 Triangles 조절 옵션이 비활성화 되는데, 어떤 차이가 있는지는 잘 모르겠다.

LOD 개수를 설정하고 Apply Changes한다.

새로 생긴 LOD만큼 Triangles 수 설정이 가능하다.

개인 작업 -2-

하바사 — Sat, 29 Mar 2025 23:51:54 +0900

import torch
import torch.nn as nn
import torch.optim as optim
import numpy as np

# 기본 설정
NUM_PATTERNS = 100
PHASE_ENCODING_SIZE = 4
STATE_SIZE = NUM_PATTERNS + PHASE_ENCODING_SIZE

# 임시 데이터 생성: (상태 벡터, 선택된 패턴 index)
# 상태 = [패턴 선택 히스토리 (100차원) + 시점정보 (4차원)]
dummy_state1 = np.zeros(104)
dummy_state1[0] = 1  # 첫 번째 패턴이 선택되었음을 의미
dummy_state1[100] = 1  # 초반 시점 one-hot

dummy_state2 = np.zeros(104)
dummy_state2[10] = 1
dummy_state2[101] = 1  # 중반 시점 one-hot

training_data = [
    (dummy_state1, 20),  # 상태 1, 선택된 패턴 인덱스 = 20
    (dummy_state2, 33)   # 상태 2, 선택된 패턴 인덱스 = 33
]

# 정책 네트워크 정의
class PolicyNetwork(nn.Module):
    def __init__(self, state_size, action_size):
        super(PolicyNetwork, self).__init__()
        self.fc = nn.Sequential(
            nn.Linear(state_size, 128),
            nn.ReLU(),
            nn.Linear(128, action_size)
        )

    def forward(self, x):
        return self.fc(x)

model = PolicyNetwork(STATE_SIZE, NUM_PATTERNS)
optimizer = optim.Adam(model.parameters(), lr=0.001)
loss_fn = nn.CrossEntropyLoss()

for epoch in range(50):
    total_loss = 0
    for state, action_index in training_data:
        pred = model(torch.FloatTensor(state))
        loss = loss_fn(pred.unsqueeze(0), torch.LongTensor([action_index]))
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
        total_loss += loss.item()
    print(f"Epoch {epoch+1}, Loss: {total_loss}")

개인 작업-1-

하바사 — Sat, 22 Mar 2025 23:34:56 +0900

파이썬 코드 (Test) C++로 변환

!pip install m2cgen 

from sklearn.ensemble import RandomForestClassifier
import m2cgen as m2c
import numpy as np

# 입력 상태값 (예: 3개의 피처)
X = np.array([
    [0.1, 0.5, 0.2],
    [0.7, 0.8, 0.1],
    [0.3, 0.2, 0.9],
])
# 정답 (정수형)
y = [42, 8, 120]

# 모델 학습
model = RandomForestClassifier(n_estimators=10, max_depth=5)
model.fit(X, y)

# 모델을 C++ 코드로 export
cpp_code = m2c.export_to_c(model)

# Colab 상에서 파일로 저장
with open("/content/ActionPredictor.cpp", "w") as f:
    f.write(cpp_code)

from google.colab import files
files.download("/content/ActionPredictor.cpp")

void add_vectors(double *v1, double *v2, int size, double *result) {
    for(int i = 0; i < size; ++i)
        result[i] = v1[i] + v2[i];
}
void mul_vector_number(double *v1, double num, int size, double *result) {
    for(int i = 0; i < size; ++i)
        result[i] = v1[i] * num;
}
void score(double * input, double * output) {
    double var0[3];
    double var1[3];
    double var2[3];
    double var3[3];
    double var4[3];
    double var5[3];
    double var6[3];
    double var7[3];
    double var8[3];
    double var9[3];
    double var10[3];
    if (input[1] <= 0.6500000059604645) {
        memcpy(var10, (double[]){0.0, 1.0, 0.0}, 3 * sizeof(double));
    } else {
        memcpy(var10, (double[]){1.0, 0.0, 0.0}, 3 * sizeof(double));
    }
    double var11[3];
    if (input[1] <= 0.6500000059604645) {
        memcpy(var11, (double[]){0.0, 1.0, 0.0}, 3 * sizeof(double));
    } else {
        memcpy(var11, (double[]){1.0, 0.0, 0.0}, 3 * sizeof(double));
    }
    add_vectors(var10, var11, 3, var9);
    double var12[3];
    if (input[0] <= 0.20000000670552254) {
        memcpy(var12, (double[]){0.0, 1.0, 0.0}, 3 * sizeof(double));
    } else {
        memcpy(var12, (double[]){0.0, 0.0, 1.0}, 3 * sizeof(double));
    }
    add_vectors(var9, var12, 3, var8);
    double var13[3];
    if (input[2] <= 0.5499999895691872) {
        memcpy(var13, (double[]){0.0, 1.0, 0.0}, 3 * sizeof(double));
    } else {
        memcpy(var13, (double[]){0.0, 0.0, 1.0}, 3 * sizeof(double));
    }
    add_vectors(var8, var13, 3, var7);
    double var14[3];
    if (input[0] <= 0.20000000670552254) {
        memcpy(var14, (double[]){0.0, 1.0, 0.0}, 3 * sizeof(double));
    } else {
        if (input[2] <= 0.4999999888241291) {
            memcpy(var14, (double[]){1.0, 0.0, 0.0}, 3 * sizeof(double));
        } else {
            memcpy(var14, (double[]){0.0, 0.0, 1.0}, 3 * sizeof(double));
        }
    }
    add_vectors(var7, var14, 3, var6);
    double var15[3];
    if (input[1] <= 0.5000000074505806) {
        memcpy(var15, (double[]){0.0, 0.0, 1.0}, 3 * sizeof(double));
    } else {
        memcpy(var15, (double[]){1.0, 0.0, 0.0}, 3 * sizeof(double));
    }
    add_vectors(var6, var15, 3, var5);
    double var16[3];
    if (input[0] <= 0.3999999947845936) {
        memcpy(var16, (double[]){0.0, 1.0, 0.0}, 3 * sizeof(double));
    } else {
        memcpy(var16, (double[]){1.0, 0.0, 0.0}, 3 * sizeof(double));
    }
    add_vectors(var5, var16, 3, var4);
    double var17[3];
    if (input[0] <= 0.20000000670552254) {
        memcpy(var17, (double[]){0.0, 1.0, 0.0}, 3 * sizeof(double));
    } else {
        memcpy(var17, (double[]){0.0, 0.0, 1.0}, 3 * sizeof(double));
    }
    add_vectors(var4, var17, 3, var3);
    double var18[3];
    if (input[2] <= 0.15000000223517418) {
        memcpy(var18, (double[]){1.0, 0.0, 0.0}, 3 * sizeof(double));
    } else {
        if (input[0] <= 0.20000000670552254) {
            memcpy(var18, (double[]){0.0, 1.0, 0.0}, 3 * sizeof(double));
        } else {
            memcpy(var18, (double[]){0.0, 0.0, 1.0}, 3 * sizeof(double));
        }
    }
    add_vectors(var3, var18, 3, var2);
    double var19[3];
    if (input[2] <= 0.4999999888241291) {
        memcpy(var19, (double[]){1.0, 0.0, 0.0}, 3 * sizeof(double));
    } else {
        memcpy(var19, (double[]){0.0, 0.0, 1.0}, 3 * sizeof(double));
    }
    add_vectors(var2, var19, 3, var1);
    mul_vector_number(var1, 0.1, 3, var0);
    memcpy(output, var0, 3 * sizeof(double));
}

조지아텍 OMSCS(컴퓨터과학 온라인 석사) 지원 방법

하바사 — Sat, 15 Mar 2025 23:12:05 +0900

준비물

1. 영어 성적

2. 이력서 (Resume)

3. CS 학점

4. 추천서 (세 명의 이메일을 등록해야 한다)

5. 여권 사진

준비물과 함께 아래의 지원 절차를 거친다.

Computer Science -MS- Online(OMSCS) 파트에서 몇 가지의 문항을 작성하고, (현재 역량과 공부한 과목들, 학업 목표 등)

Academic History에서 성적표를 업로드,

Employment에서 Resume 업로드,

Recommendations에서 추천인 세 명의 이메일 등록,

Citizenship & Residency에서 여권 업로드하면 된다.

지원료는 105 US 달러, 약 15만원을 납부한다.

참고로 영어 성적은 토플이나 아이엘츠 포털을 통해 기관에 보내주는 시스템을 이용하면 된다.

지원 마감 2주 후...

합격 메일을 받고, 입학 수락을 한 다음에 Academic Credential Evaluation 설문을 제출해준다(검증을 받겠다는 내용).

그러면 내가 제출한 성적표를 검토하는 단계를 거친다. (위조일 경우 취소되겠지?)

아직 끝난 게 아니다! 여기까지 했고 업데이트되면 추후 다시 포스팅.