“Your imagination is your limit” mungkin sangat cocok untuk menggambarkan A.I. Generated Image. Semenjak kehadirannya beberapa tahun belakangan ini, A.I. Generated Image sudah banyak digunakan oleh pengguna internet untuk berbagai macam hal. Sebagai pengguna, A.I. Generated Image memberikan kita kebebasan untuk menciptakan gambar apa pun, dengan gaya seni yang beragam. Kebebasan inilah yang membuat A.I. Generated Image sangat populer belakangan ini.
Namun, bagaimana cara kerja sebenarnya dari A.I. Generated Image ini sehingga mampu menghasilkan berbagai gambar yang akurat sesuai dengan permintaan kita?
Apa itu A.I Generated Image?
A.I. (Artificial Intelligence) Generated Image merupakan sebuah perangkat lunak yang dirancang untuk menciptakan sebuah gambar baru berdasarkan serangkaian perintah yang dimasukkan oleh pengguna.
Banyak orang yang menyamakan A.I. Generated Image dengan A.I. Image Sourcing Tools, padahal ketua hal ini sangat berbeda. A.I. Image Sourcing Tools mampu memberikan kita gambar sesuai permintaan kita dengan mencari dan mengunduh gambar yang sudah ada di berbagai platform. Sedangkan A.I. Generated Image sepenuhnya menciptakan gambar baru yang belum pernah ada di platform mana pun
A.I. Generated Image menggunakan algoritma Machine Learning (ML) yang mampu memproses kumpulan data gambar besar untuk menciptakan gambar baru yang memiliki kemiripan dengan data gambar tersebut.
A.I. Generated Image memberikan banyak keuntungan bagi penggunanya, salah satunya adalah mampu meningkatkan efisiensi waktu dalam membuat gambar dibandingan melakukannya secara manual dalam hitungan detik. Selain itu, tidak ada batasan dalam menciptakan gambar apa pun yang ingin kita ciptakan.
Cara Kerja A.I Generated Image
Pada dasarnya, sebuah komputer hanya mampu membaca angka, bukan gambar.Oleh karena itu komputer akan mengubah sebuah teks dan gambar menjadi sebuah susunan angka yang dirangkai sedemikian rupa.
Dalam mengenali sebuah gambar, komputer akan membaca sebuah gambar sebagai sebuah grid yang terdiri dari banyak pixel yang mengandung warna, dan setiap warna inilah yang merepresentasikan sebuah angka, khususnya warna merah, hijau, dan biru (RGB color), di mana setiap warna memiliki kombinasi yang unik antara penggunaan warna merah, hijau, dan biru. Dengan begitu, pada sebuah gambar akan mengandung berbagai angka unik pada tiap grid gambar tersebut.
Langkah selanjutnya adalah diffusion. Dalam proses ini, komputer membuat gambar menjadi kabur (seperti gambar pada tv yang rusak) dan hal ini sering disebut dengan noise. Saat membuat noise, komputer memasukkan angka acak (warna acak) ke dalam tiap grid pada gambar sampai komputer mendapatkan warna yang cocok.
Saat memasukkan perintah ke dalam komputer, komputer akan memecah perintah tersebut ke dalam perintah paling sederhana kemudian tiap kata dari perintah tersebut akan diubah menjadi angka. Angka ini akan mewakili sebuah objek pada gambar. Contohnya ketika kita memasukkan kata “kucing memakan sebuah ikan laut di atas sebuah mobil berwarna merah”. Komputer akan menyederhanakan kalimat tersebut menjadi “kucing makan ikan di atas mobil merah” yang kemudian akan diubah menjadi kode angka seperti “[53 8 71 13 44 83] *angka tersebut hanya ilustrasi. Tetapi, bagaimana cara komputer mengetahui kucing terlihat seperti kucing?
Untuk mengetahuinya, komputer mencari jutaan data gambar yang memiliki kata kunci kucing, kemudian komputer akan mempelajari jutaan gambar tersebut. Komputer akan memecah jutaan gambar kucing menjadi sebuah kode kode angka yang nantinya komputer akan menemukan pola angka yang merepresentasikan seekor kucing. Proses ini dinamakan text-image embeddings. Kemudian data ini akan dibawa ke dalam image generation. Dalam image generation inilah komputer membuat gambar dengan cara mengurangi noise dalam sebuah gambar sehingga menyerupai gambar yang kita inginkan.
Tetapi, proses ini akan memakan banyak waktu, sehingga komputer mengkompres gambar menjadi gambar yang kecil. gambar ini akan disimpan di dalam latent space. Setelah komputer berhasil membuat gambar tersebut, komputer akan memperbesar gambar tersebut dan akan menjadi output dari perintah yang kita berikan.
