Perpustakaan Digital ITB

Metode untuk rekonstruksi model tiga dimensi dari gambar dua dimensi single view telah berkembang dengan pesat dalam beberapa tahun terakhir. Namun sebagian besar metode tersebut masih berupa penelitian dengan bentuk masukan yang sangat terkendali. Misalnya pada metode Pixel-aligned Implicit Function, rekonstruksi telah berhasil mencapai model tiga dimensi dengan bentuk dan tekstur dengan detail yang tinggi dari gambar dua dimensi single view, namun gambar masukan terbatasi berbagai kriteria dan harus menyertakan gambar mask yang menunjukkan posisi manusia dalam gambar. Karena itu, tugas akhir ini bertujuan membangun aplikasi yang dapat merekonstruksi model tiga dimensi dari gambar dua dimensi single view dengan kriteria yang lebih luas dan tidak membutuhkan masukan tambahan selain gambar dua dimensi yang bersangkutan. Untuk itu, akan dibuat sebuah modul segmentasi yang menggunakan metode semantic segmentation bernama Fully Convolutonal DenseNet untuk menghasilkan informasi mask yang dibutuhkan dalam rekonstruksi. Modul segmentasi ini juga memungkinkan penanganan rekonstruksi objek untuk gambar berisi lebih dari satu objek. Penggunaan modul segmentasi ini menghasilkan penurunan kualitas rekonstruksi namun juga meningkatkan otomatisasi dan memperbesar jangkauan input yang dapat diproses.