Perpustakaan Digital ITB

Tekstur digital banyak digunakan untuk merepresentasikan permukaan material pada berbagai bidang, seperti arsitektur, fashion, manufaktur, dan gim. Agar efisien, tekstur idealnya bersifat seamless tileable sehingga satu gambar kecil dapat diulang untuk menutupi area yang luas tanpa garis sambungan yang terlihat. Namun, pembuatan tekstur secara manual membutuhkan waktu dan keahlian artistik yang tinggi. Berbagai metode komputasi, mulai dari Image Quilting dan Graph Cuts hingga metode berbasis GAN dan diffusion seperti SeamlessGAN dan Tiled Diffusion, masih berfokus pada grid persegi, sedangkan penelitian sintesis tekstur berbasis AI pada grid heksagonal masih sangat terbatas. Arsitektur yang diusulkan memanfaatkan model inpainting pretrained dengan tekstur masukan sebagai kondisi melalui IP Adapter. Pendekatan ini menggabungkan multi pass inpainting dan manipulasi latent space melalui penyalinan pola heksagonal selama proses denoising. Evaluasi dilakukan pada 602 eksperimen (43 konfigurasi × 14 tekstur) menggunakan lima metrik, uji Wilcoxon berpasangan, analisis sensitivitas hyperparameter, serta perbandingan dengan metode sebelumnya. Hasil evaluasi menunjukkan nilai tileability (TexTile) meningkat dari 0,437 menjadi 0,581 secara signifikan (p = 0,030), dengan penurunan fidelitas yang masih wajar. Manipulasi latent space terbukti menjadi komponen utama dalam meningkatkan tileability. Waktu pembangkitan sekitar 40 detik per tekstur, jauh lebih singkat dibandingkan metode yang memerlukan pelatihan khusus hingga sekitar 45 menit. Hasil ini menunjukkan bahwa pendekatan yang diusulkan layak, kompetitif, dan efisien untuk menghasilkan tekstur seamless tileable berbasis grid heksagonal.