Publisher

IAESCOREIAESCORE

Journal International Journal of Electrical and Computer Engineering (IJECE)International Journal of Electrical and Computer Engineering (IJECE) Abstract

Inpainting video merupakan teknik dalam bidang visi komputer yang digunakan untuk menghilangkan objek yang tidak diinginkan dari urutan video sambil mempertahankan konsistensi visual, sehingga perubahan tidak dapat terdeteksi oleh mata manusia. Makalah ini memperkenalkan model inpainting video yang akurat berbasis wilayah pencarian berukuran adaptif dengan algoritma direction‑oriented block‑based inpainting (ADSR‑DOBI). Model tersebut bekerja dalam lima fase utama: pra‑pemrosesan, pemisahan latar belakang, operasi morfologi, penghapusan objek, dan inpainting video. Pada tahap awal video masukan diubah menjadi frame, kemudian dilakukan pra‑pemrosesan seperti deionisasi dan perubahan ukuran. Frame‑frame tersebut selanjutnya diproses menggunakan modul pengurangan latar belakang, dimana lokalisasi objek dan deteksi foreground dilakukan dengan jaringan BDFgSegNet yang terdistribusi binomial serta jaringan segmentasi foreground morfologi. Hasilnya adalah objek foreground tersegmentasi yang dilacak antar frame. Fase penghapusan objek mengeliminasi objek foreground yang teridentifikasi serta mendefinisikan wilayah yang hilang (lubang) untuk diisi. Algoritma ADSR‑DOBI kemudian diterapkan untuk mengisi wilayah tersebut secara mulus. Hasil eksperimen menunjukkan bahwa pendekatan ini mengungguli metode mutakhir yang ada baik dari segi akurasi maupun efisiensi.

Conclusion

Video inpainting menghilangkan atau memulihkan wilayah yang hilang dalam video dengan memanfaatkan informasi spasial dan temporal.Algoritma block matching ADSR‑DOBI yang diusulkan berhasil mengidentifikasi dan mengisi wilayah target menggunakan konten latar belakang yang cocok, serta menunjukkan nilai PSNR 22,19 dan waktu inpainting 3,43 detik yang lebih baik dibandingkan metode eksisting.Temuan ini membuktikan efisiensi ADSR‑DOBI, dan penelitian lanjutan dapat meningkatkan metode dengan menangani wilayah terhalang serta memperbaiki kemampuan penanganan gerakan.

Future Research

Penelitian selanjutnya dapat menyelidiki integrasi estimasi gerakan berbasis jaringan saraf dalam algoritma ADSR‑DOBI untuk meningkatkan kemampuan penanganan gerakan kompleks dan wilayah yang terhalang, sehingga memperkaya kualitas inpainting pada adegan dinamis. Selanjutnya, diperlukan evaluasi komprehensif algoritma pada berbagai kumpulan data video dunia nyata, termasuk kondisi pencahayaan rendah, kecepatan kamera tinggi, dan variasi konten, guna menguji generalisasi dan ketahanan metode terhadap variasi lingkungan. Selain itu, pengembangan implementasi real‑time pada perangkat tepi atau arsitektur GPU dapat menjadi fokus, dengan tujuan mengoptimalkan kecepatan proses inpainting untuk aplikasi streaming langsung. Penelitian juga dapat mengeksplorasi kombinasi teknik patch‑based tradisional dengan pendekatan block‑matching adaptif untuk mengurangi artefak pada tekstur halus, khususnya pada objek wajah atau teks. Akhirnya, studi perbandingan antara ADSR‑DOBI dan model deep‑learning mutakhir seperti transformer‑based video inpainting dapat memberikan wawasan tentang trade‑off antara akurasi, kecepatan, dan kebutuhan sumber daya komputasi.

References

1. A Novel Approach for Video Inpainting Using Autoencoders. novel approach inpainting autoencoders journal... mecs-press.org/ijieeb/ijieeb-v13-n6/v13n6-5.htmlA Novel Approach for Video Inpainting Using Autoencoders novel approach inpainting autoencoders journal mecs press ijieeb ijieeb v13 n6 v13n6 5 html
2. [1908.11587] Copy-and-Paste Networks for Deep Video Inpainting. copy paste networks deep inpainting computer... doi.org/10.48550/arXiv.1908.115871908 11587 Copy and Paste Networks for Deep Video Inpainting copy paste networks deep inpainting computer doi 10 48550 arXiv 1908 11587

Metadata

File size	569.55 KB
Pages	9
DMCA	Report