PENCIPTAAN KARAKTER ANIME OTOMATIS DENGAN MENGGUNAKAN GENERATIVE ADVERSARIAL NETWORKS

Abstract

Karakter anime yang merupakan gambar ciptaan manusia sangat dipengaruhi oleh teori perlindungan kekayaan intelektual yang dicetuskan oleh Robert M. Sherwood. Mengkarakterisasi struktur gambar anime secara otomatis telah menjadi upaya penelitian yang luar biasa. Anime yang memiliki karakteristik disetiap desain dan arsitektur yang unik dapat mematuhi invarian intrinsik dan menunjukkan struktur statistik multi-skala yang secara historis sulit untuk diukur (Simoncelli & Olshausen, 2001). Peningkatan kualitas model gambar secara substansial merupakan kemajuan terbaru dalam pembelajaran mesin. Penelitian ini bertujuan untuk menciptakan karakter Anime otomatis menggunakan Generative Adversarial Networks (GAN), GAN merupakan model generative yang membuat instance data baru menyerupai data pelatihan kita. Penelitian ini menggunakan sebanyak 63.565 citra dan menggunakan PyTorch untuk melatih GAN. GAN dapat dengan baik menghasilkan karakter Anime baru dengan nilai kerugian dari waktu ke waktu yang cukup tinggi, diharapkan kerugian generator dapat berkurang dan kerugian diskriminator tidak semakin tinggi agar lebih baik lagi.