Pembuatan Gambar Sintesis Dari Deksripsi Teks Dengan Algoritma Generative Adversarial Network

Abstract

ABSTRACT
 
 Recently computers have been able to produce realistic photos from text. This is one of the potentials of machine learning to be used creatively. Machine learning is the field of solving problems that require an equivalent understanding of human intelligence. In this study using the Generative Adversarial Networks (GAN) algorithm is used to create images from text descriptions. The basic GAN architecture consists of 2 networks called a Generator and Discriminator network. The results of this study is images that are still not detailed in interpreting a text description, but the authors try to produce images that inspire, images can be more poetic when tried using poetry, lyrics, or book quotes.
 Keywords: GAN, Image Synthesis, Text Description
 
 ABSTRAK
 
 Baru-baru ini komputer mampu menghasilkan foto-foto yang realistis dari sebuah teks. Hal ini adalah salah satu potensi dari machine learning untuk digunakan secara kreatif. Machine learning adalah bidang menyelesaikan masalah-masalah yang membutuhkan pemahaman yang setara dengan kecerdasan manusia. Pada penelitian ini menggunakan algoritme Generative Adversarial Networks (GAN) digunakan untuk menciptakan gambar dari deskripsi teks. Dasar arsitektur GAN terdiri dari 2 jaringan yang disebut sebagai jaringan Generator dan Discriminator. Hasil dari penelitian ini berupa gambar yang masih tidak detail dalam memaknai sebuah deskripsi teks, tetapi penulis mencoba menghasilkan gambar yang menginspirasi, gambar dapat lebih puitis ketika dicoba menggunakan puisi, lirik, atau kutipan buku.
 Kata Kunci: GAN, Sintesis Gambar, Deskripsi Teks

Implementasi Steganografi Gambar Menggunakan Algoritma Generative Adversarial Network

“…Pada penelitian sebelumnya [18] membahas tentang steganalisis menggunakan algoritma GAN yang berfungsi untuk mengacak atau memanipulasi pesan sehingga pesan yang disembunyikan tidak dapat terdeteksi oleh steganalisis. Cara kerja algoritma GAN berasal dari dua komponen utama yaitu generator dan discriminator [19]. Pada generator berfungsi menghasilkan data palsu sedangkan pada discriminator membedakan data asli dan data palsu yang berasal dari data training [19].…”

“…Cara kerja algoritma GAN berasal dari dua komponen utama yaitu generator dan discriminator [19]. Pada generator berfungsi menghasilkan data palsu sedangkan pada discriminator membedakan data asli dan data palsu yang berasal dari data training [19].…”