About
Jin Heo is a Senior Researcher at Dolby Laboratories and holds a Ph.D. in Computer Science from Georgia Institute of Technology, where he conducted research in ML inference serving, adaptive resource management, and distributed systems under Prof. Ada Gavrilovska.
His research focuses on efficiently serving real-time workloads under resource and latency constraints, with applications spanning XR, cloud gaming, and real-time perception.
At Dolby, he extends this work to production-scale systems, architecting ML-enabled cloud and streaming infrastructure from research models to distributed service deployment.
Technical Expertise & Focus
- ML Inference Serving & Adaptive Resource Management:
Designing real-time inference serving and scheduling systems that adapt resource allocation to workload dynamics, result effectiveness, and resource constraints.
- Real-Time & Distributed Systems:
Building distributed systems for latency-sensitive workloads across resource-constrained edge and scalable cloud environments, with applications in XR, cloud gaming, and streaming perception.
- ML & Cloud Infrastructure:
Architecting end-to-end ML-enabled cloud systems, including distributed microservices, model deployment, infrastructure orchestration, and high-throughput streaming data pipelines.
Background
His interest in systems and immersive computing grew from an early career as a professional gamer, which sparked his curiosity about the intersection of computer science, games, and interactive experiences.
This early interest ultimately led to research on high-performance systems for XR, cloud gaming, and real-time perception.
소개
허진 (Jin Heo) 는 현재 Dolby Laboratories의 Senior Researcher로 재직 중이며, Georgia Institute of Technology에서 컴퓨터과학 박사학위를 받았습니다.
Georgia Tech에서는 Ada Gavrilovska 교수의 지도 아래 ML inference serving, adaptive resource management, distributed systems를 연구했습니다.
주요 연구는 자원 및 지연시간 제약이 있는 환경에서 실시간 워크로드를 효율적으로 처리하고 서빙하는 시스템에 초점을 두며, XR, 클라우드 게이밍, 실시간 perception 등의 응용 분야를 다룹니다.
Dolby에서는 이러한 연구 경험을 production-scale 시스템으로 확장하여, 연구 모델부터 분산 서비스 배포까지 아우르는 ML 기반 클라우드 및 스트리밍 인프라를 설계하고 있습니다.
주요 연구 분야 및 기술
ML Inference Serving & Adaptive Resource Management:
워크로드의 변화, inference 결과의 effectiveness, 그리고 시스템의 자원 제약에 따라 자원 할당을 동적으로 조정하는 실시간 inference serving 및 scheduling 시스템을 설계합니다.
Real-Time & Distributed Systems:
지연시간에 민감한 워크로드를 resource-constrained edge 환경부터 scalable cloud 환경까지 효율적으로 처리하기 위한 분산 시스템을 구축하며, XR, 클라우드 게이밍, streaming perception 등의 응용 분야를 다룹니다.
ML & Cloud Infrastructure:
분산 마이크로서비스, 모델 배포, 인프라 오케스트레이션, 대규모 스트리밍 데이터 파이프라인 등을 포함하는 end-to-end ML 기반 클라우드 시스템을 설계합니다.
배경
프로게이머로서의 초기 경험을 계기로 시스템과 immersive computing에 관심을 갖게 되었습니다.
당시 컴퓨터과학과 게임 및 인터랙티브 경험의 접점에 관심을 가지게 되었고, 이러한 관심은 이후 XR, 클라우드 게이밍, 실시간 perception을 위한 고성능 시스템 연구로 이어졌습니다.
