(generated with Dream by Wombo AI) 

 

Perkembangan Generative AI untuk gambar semakin pesat, ia mampu menciptakan ilustrasi, foto realistis, hingga konsep desain hanya dari sebuah teks singkat. Di balik keajaiban visual ini, ada beberapa keluarga model utama yang perlu kamu tahu. Yuk kita bahas! 

 

Variational Autoencoder, the Early Gen 

Variational Autoencoder (VAE) adalah salah satu arsitektur generatif paling awal yang banyak dipakai untuk gambar. VAE bekerja dengan cara mengkompres gambar ke ruang laten (representasi numerik) lalu merekonstruksinya kembali, sehingga model mempelajari “peta” kemungkinan bentuk gambar yang realistis. Dengan melakukan sampling di ruang laten ini, VAE dapat menghasilkan gambar baru yang mirip dengan pola data trainingnya, meski sering terasa agak blur dibanding model generasi terbaru.​ 

Di ekosistem modern, VAE sering menjadi komponen pendukung di belakang layar, misalnya sebagai encoder–decoder dalam sistem yang lebih kompleks. Beberapa studi komparatif menunjukkan bahwa menggabungkan VAE dengan model lain (seperti GAN atau diffusion) dapat meningkatkan stabilitas training sembari tetap menjaga kualitas visual. 

 

Generative Adversarial Network, the duel between Generator and Discriminator 

Generative Adversarial Network (GAN) membawa lompatan besar dalam kualitas gambar AI. Diperkenalkan oleh Ian J. Goodfellow, et al. pada 2014, arsitektur ini terdiri dari dua pemain utama: generator yang berusaha menciptakan gambar palsu yang meyakinkan, dan discriminator yang bertugas membedakan mana gambar asli dari dataset dan mana yang palsu dari generator. Proses pelatihan yang kompetitif ini membuat generator terus ‘mengasah kemampuan’, hingga sanggup menghasilkan gambar yang tajam dan realistis.​ 

Berbagai varian GAN seperti Deep Convolutional GAN (DCGAN), StyleGAN, CycleGAN sangat populer untuk menghasilkan wajah manusia yang tampak nyata, karakter game, hingga fashion dan interior. Namun, GAN juga punya kesulitannya sendiri, seperti training yang terkadang tidak stabil, sensitif terhadap pengaturan hyperparameter, dan bisa mengalami mode collapse (model hanya menghasilkan variasi gambar yang mirip).  

 

Diffusion Models, Noise to Art 

Diffusion model adalah bintang baru dalam dunia generative image. Alihalih langsung membentuk gambar, model ini memulai dari noise acak, lalu secara bertahap ‘membersihkan’ noise tersebut sampai muncul gambar yang koheren. Proses denoising ini dilatih dengan mempelajari bagaimana kebisingan ditambahkan dan dihapus dari gambar asli, sehingga model tahu jalur balik dari noise menuju gambar yang realistis.​ 

Keunggulan diffusion model adalah kestablian training dan kualitas visual yang sangat tinggi, terutama untuk gambar beresolusi besar dengan detail kompleks. Dalam skenario texttoimage, deskripsi teks diubah menjadi embedding yang mengarahkan proses denoising, sehingga model dapat ‘menggambar’ sesuai prompt pengguna. 

Beberapa model diffusion yang popular, antara lain Denoising Diffusion Probabilistic Models (DDPM) yang merupakan generasi awal, Stable Diffusion, DALL·E, Midjourney, Imagen. 

(generated with Stable Diffusion AI) 

 

The Popular Models 

Nama-nama seperti DALL·E, Stable Diffusion, dan Midjourney adalah representasi praktis dari diffusion dan model generatif modern di mata pengguna seharihari. DALL·E dari OpenAI, misalnya, menggunakan texttoimage untuk menerjemahkan deskripsi rumit menjadi ilustrasi, desain produk, hingga komposisi surreal yang detail. Stable Diffusion menawarkan keunggulan yang tak kalah, yaitu opensource dan efisien, sehingga bisa dijalankan di banyak perangkat dan menjadi basis ratusan aplikasi AI art generator.​ Midjourney, yang diakses lewat Discord, terkenal dengan gaya visual yang artistik dan dramatis. Midjourney banyak dipakai kreator untuk moodboard, konsep karakter, dan poster. Selain ketiga model tersebut, masih banyak AI art generator lain, seperti Leonardo AI, Adobe Firefly, Ideogram, Canva AI Image Generator, dan Dream by WOMBO. Ada juga model baru seperti Flux.1 dan Krea.ai yang sering dibandingkan dengan Midjourney serta berbagai platform yang menggunakan Stable Diffusion sebagai model AI mereka. 

Future Trends 

Arah riset terkini tidak hanya berhenti pada satu jenis arsitektur, tetapi juga menggabungkan beberapa pendekatan sekaligus. Ada model yang memanfaatkan kecepatan dan representasi laten GAN, sekaligus kualitas denoising diffusion, misalnya untuk tugas superresolution yang butuh hasil tajam dengan waktu inferensi singkat. Pendekatan lain menghubungkan model gambar dengan teks, audio, bahkan video, sehingga satu sistem dapat memahami prompt multimodal dan menghasilkan keluaran lintas media. Yang pasti, AI image generator ini bukan lagi sekadar tren, ia sudah menjadi kolaborator kreatif baru dalam desain, iklan, game, hingga seni murni. 

 

Penulis 

Felicia Natania Lingga, S.Kom. — FDP Scholar 

 

Referensi 

Vivekananthan, S. (2024). Comparative analysis of generative models: Enhancing image synthesis with vaes, gans, and stable diffusion. arXiv preprint arXiv:2408.08751. 

Wang, H. (2024). Comparative Analysis of GANs and Diffusion Models in Image Generation. Highlights in Science, Engineering and Technology, 120, 59-66. https://doi.org/10.54097/9gba9v27 

Tang, N., Zhang, D., Gaou, J., Qu, Y. (2024). FSRDiff: A fast diffusion-based super-resolution method using GAN. Journal of Visual Communication and Image Representation, 101. https://doi.org/10.1016/j.jvcir.2024.104164 

Peng, Y. (2024). A Comparative Analysis Between GAN and Diffusion Models in Image Generation. 2nd International Conference on Artificial Intelligence, Database and Machine Learning (AIDML 2024). https://doi.org/10.62051/0f1va465 

Cao, H., Tan, C., Gao, Z., Xu, Y., Chen, G., Heng, P., & Li, S.Z. (2022). A Survey on Generative Diffusion Models. IEEE Transactions on Knowledge and Data Engineering, 36, 2814-2830. https://doi.org/10.1109/TKDE.2024.3361474  

Digital Skola Content Team. September 24, 2025. 11 Rekomendasi AI Pembuat Gambar Terbaik untuk Kreator Digital dan Desainer 2025. DigitalSkola. Retrieved from: https://digitalskola.com/blog/data-science/rekomendasi-ai-pembuat-gambar on 2 December 2025 

Sophie. October 13, 2025. Best AI Illustration Generators in 2025: Midjourney vs DALL-E vs Stable Diffusion. Lovart. Retrieved from: https://www.lovart.ai/blog/ai-illustration-tools-review on 2 December 2025