Style Transfer: Memindahkan Style Lukisan ke dalam Gambar Lain dengan Menggunakan Machine Learning

Apakah yang akan terjadi ketika komputer sudah mampu untuk membuat karya artistik? Apakah AI akan mampu masuk ke ranah kreativitas dan mengancam para seniman-seniman yang ada saat ini?

Dalam dunia kecerdasan buatan, terdapat sebuah teknik yang disebut dengan neural style transfer, atau lebih umum dikenal dengan style transfer. Teknik ini memungkinkan komputer dapat menjadikan sebuah gambar digital selayaknya dilukis oleh penulis legendaris Vincent van Gogh. Hal ini dilakukan dengan cara memberikan gambar biasa dan gambar lukisan yang ingin ditiru “style” nya ke dalam sebuah jaringan saraf tiruan. Kemudian jaringan tersebut akan melakukan penyesuaian pada gambar tersebut sehingga memiliki kemiripan “style” dengan gambar lukisan yang telah diberikan. Setelah itu “Voila!”, sebuah gambar lukisan baru seakan-akan baru saja telah dilukis oleh pelukis yang sama.

Teknik Style Transfer

Berdasarkan waktu yang dibutuhkan untuk menghasilkan sebuah gambar, terdapat dua pengelompokan teknik style transfer, yaitu “slow” style transfer dan “fast” style transfer. Perbedaan mendasar dari kedua teknik ini adalah pada proses optimasi nilai pixel pada gambar.

Slow Style Transfer

Pada “slow” style transfer proses optimasi dilakuan secara langsung pada pixel gambar atau biasa disebut “Online Image Optimization”. Proses optimasi ini dilakukan dengan cara menyesuaikan distribusi dari low level feature dari sebuah gambar dengan low level feature dari lukisan yang ingin di tiru style nya.

Fast Style Transfer

Sedangkan untuk “fast” style transfer, proses optimasi pada nilai pixel gambar tidak dilakukan secara langsung atau biasa disebut “Offline Image Optimization”. Umumnya pada teknik ini, pendekatan yang digunakan adalah jaringan dengan arsitektur encoder-decoder. Berbeda dengan “slow” style transfer yang pada umumnya hanya menggunakan satu model dan memanfaatkan intermediate output dari model yang digunakan. Pada prosesnya, model encoder biasanya akan mengekstraksi low level fitur dari dari gambar yang akan diinputkan dan kemudian diproses dan diteruskan pada model decodernya sehingga menghasilkan gambar dengan style yang diinginkan.

Future Thought

Lalu apakah ini artinya AI akan merenggut pekerjaan para pelukis, para seniman? Jawabannya justru bisa saja sebaliknya. Dengan adanya teknologi seperti ini, maka akan muncul lebih banyak kolaborasi antara seniman dengan AI. Dengan semua posibilitas kolaborasi yang ada, maka tak tertutup kemungkinan bisa muncul berbagai jenis Art Perform atau Exhibition yang menunjukkan karakter dari seniman yang terlibat di dalamnya.

AI tidak diciptakan untuk mempersulit manusia, AI diciptakan untuk mempermudah manusia, membuka lebih banyak peluang dan mendorong manusia untuk mencapai versi terbaik dari dirinya.

Referensi

Huang and S. Belongie, “Arbitrary Style Transfer in Real-Time with Adaptive Instance Normalization,” 2017 IEEE International Conference on Computer Vision (ICCV), Venice, 2017, pp. 1510-1519, doi: 10.1109/ICCV.2017.167.

A. Gatys, A. S. Ecker and M. Bethge, “Image Style Transfer Using Convolutional Neural Networks,” 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Las Vegas, NV, 2016, pp. 2414-2423, doi: 10.1109/CVPR.2016.265.