PEMBUATAN REKONSTRUKSI GAMBAR WAJAH MANUSIA DAN ANIMASI DENGAN IMAGE-T- -IMAGE (

Dewasa ini, salah satu tantangan dalam dunia Artificial Intelligence adalah membuat program computer yang tidak hanya cerdas, namun dapat meniru sifat-sifat kreatif maupun artistik dari otak manusia. Salah satu Image Reconstruction adalah salah satu hasil dari perkembangan teknologi di era modern. Image Reconstruction (IR) adalah pembuatan suatu citra dari berbagai informasi yang diberikan. Rekonstruksi gambar ini sangat penting karena bertujuan untuk merekonstruksi citra dari berbagai informasi sebagai contoh yaitu informasi yang diberikan adalah sketsa dan warna yang dibentuk agar menjadi suatu citra yang baru.

                Hal ini membuat mahasiswa tingkat akhir Jurusan Teknik Informatika, Steven Evan, dalam membuat Tugas Akhir yang berjudul Pembuatan Rekonstruksi Gambar Wajah Manusia dan Animasi dengan Image-to-Image (I2I) Translation dan Sketch-to-Image (S2I) Synthesis. Ujicoba sketch-to-image synthesis yang dilakukan disini sesuai namanya yaitu mengubah sketsa menjadi sebuah gambar. Akan tetapi, sketsa yang dipakai tidak diambil dari gambar ground truth.

                Pada ujicoba kasus ini, akan menggunakan model dari Dataset Wajah Manusia saja, yaitu Asian dan Non-Asian. Dari semua percobaan, tidak terdapat gambar sintesis yang benar-benar terlihat realistis. Tapi menariknya, semua gambar sintesis dapat merekonstruksi semua bagian wajah dengan baik (mata, hidung, mulut, dan rambut). Hal menarik lainnya lagi terdapat pada gambar sintesis kolom ke-3. Kedua model dapat merenkstruksi setiap sketsa bagian rambut yang diberikan secara mendetail. Hal ini menunjukkan lagi bahwa input gambar sketsa lebih penting dalam proses rekonstruksi gambar wajah.

                Selama proses implementasi program tugas akhir ini, diperoleh beberapa kesimpulan yaitu Deep Learning membantu dalam merekonstruksi gambar wajah yang realistis dari deskripsi ciri-ciri suatu gambar wajah saja. Pada tugas akhir ini, deskripsi ciri-ciri tersebut direpresentasi oleh sketsa wajah dan warna wajah. Selain itu, image-to-image translation pada dataset dengan style yang mirip menghasilkan gambar yang baik. Sebagai contoh adalah Asian-to-NonAsian dan Anime-to-Webtoon. Sedangkan, jika cross-style seperti human-to[1]animation atau sebaliknya, gambar yang dihasilkan kurang baik.