Perpustakaan Digital ITB

Memilih tata rias yang tepat masih menjadi sebuah permasalahan yang besar. Terdapat berbagai pilihan alat dan bahan tata rias, yang bervariasi mulai dari warna, fungsi, cara penggunaan, hingga pilihan brand yang meningkatkan kompleksitas dalam pemilihan kombinasi tata rias yang tepat. Solusi permasalahan ini secara umum terbagi menjadi dua, yakni dengan teknik pemrosesan gambar secara tradisional dan deep learning. Metode deep learning, khususnya framework generative adversarial networks menunjukkan hasil yang realistis dan berkualitas dibandingkan dengan metode lain. Implementasi paling mutakhir dari generative adversarial networks pada transfer tata rias hanya dapat menerima satu citra referensi tata rias, sehingga masih belum menyelesaikan permasalahan kombinasi dan kompleksitas pemilihan tata rias. Pada tugas akhir, telah berhasil dikembangkan model generative adversarial networks yang dapat melakukan transfer tata rias terkustomisasi secara akurat dan berkualitas tinggi dengan memanfaatkan arsitektur CycleGAN dan histogram matching. Evaluasi dilakukan secara kualitatif dan kuantitatif terhadap luaran model. Evaluasi kuantitatif dilakukan dengan melakukan user study untuk menilai kualitas identitas wajah, kualitas secara keseluruhan, dan akurasi transfer tata rias dari model, sedangkan evaluasi kualitatif dilakukan dengan inspeksi dan analisis citra luaran model secara manual. Evaluasi tersebut menunjukkan hasil yang baik dari segi kualitatif maupun kuantitatif. Berdasarkan hasil evaluasi, dapat disimpulkan bahwa model transfer tata rias wajah terkustomisasi dengan menggunakan generative adversarial networks telah berhasil dibangun dan berjalan dengan optimal.