Bagaimana AI di HP Bisa Menghapus Objek dari Foto tanpa Merusak Latar Belakang?

fin.co.id - Teknologi kecerdasan buatan atau artificial intelligence (AI) kini memungkinkan pengguna menghapus objek yang tidak diinginkan dari foto langsung melalui HP. Orang yang tidak sengaja masuk ke dalam bingkai, kabel yang mengganggu pemandangan, hingga benda yang merusak komposisi foto dapat dihilangkan tanpa harus mengedit gambar secara manual.

Menariknya, area yang sebelumnya tertutup oleh objek tersebut bisa dibuat seolah-olah tidak pernah terganggu. Kemampuan ini bukan sekadar memotong atau menutupi bagian foto, melainkan melibatkan analisis gambar, pengenalan objek, dan rekonstruksi latar belakang menggunakan algoritma AI.

AI Mengenali Objek yang Ingin Dihapus

Langkah pertama dalam proses penghapusan objek adalah mengenali bagian gambar yang ingin dihilangkan. Ketika pengguna melingkari seseorang atau mengetuk sebuah benda pada foto, sistem AI akan menganalisis area tersebut untuk membedakannya dari bagian gambar lain.

Teknologi ini memanfaatkan model penglihatan komputer atau computer vision yang telah dilatih menggunakan banyak contoh gambar. Melalui proses pelatihan tersebut, model dapat mempelajari pola visual seperti bentuk manusia, kendaraan, bangunan, pepohonan, dan berbagai benda lainnya.

AI juga mempertimbangkan hubungan antara objek dan lingkungan di sekitarnya. Misalnya, ketika seseorang berdiri di depan tembok, sistem perlu membedakan tubuh orang tersebut dari permukaan tembok yang menjadi latar belakang.

Pengenalan ini penting karena penghapusan objek tidak cukup dilakukan dengan menghilangkan piksel yang membentuk benda tersebut. Sistem juga harus menentukan bagian mana yang perlu dipertahankan agar foto tetap terlihat alami.

Bagaimana AI Mengisi Area yang Kosong?

Setelah objek ditentukan, AI akan memperkirakan seperti apa tampilan latar belakang yang sebelumnya tertutup. Proses ini dikenal sebagai image inpainting, yaitu teknik untuk merekonstruksi bagian gambar yang hilang atau sengaja dihapus.

Sebagai contoh, bayangkan sebuah foto pantai yang memperlihatkan seseorang berdiri di depan laut. Ketika orang tersebut dihapus, sistem harus memperkirakan bagaimana bentuk ombak, warna air, pantulan cahaya, dan garis cakrawala pada area yang sebelumnya ditempati tubuh orang itu.

AI menganalisis piksel di sekitar area yang dihapus untuk memahami pola, warna, tekstur, serta arah garis pada gambar. Informasi tersebut kemudian digunakan untuk membangun bagian latar belakang pengganti.

Pada sistem yang lebih canggih, proses rekonstruksi dapat melibatkan model generatif. Model ini tidak hanya menyalin bagian gambar yang berdekatan, tetapi juga menghasilkan detail visual baru berdasarkan pola yang telah dipelajari selama pelatihan.

Itulah sebabnya hasil penghapusan objek terkadang terlihat sangat meyakinkan. AI mampu menghasilkan tekstur rumput, pola lantai, permukaan dinding, atau bagian langit yang menyatu dengan lingkungan sekitarnya.

Namun, perlu dipahami bahwa bagian yang dihasilkan tersebut merupakan perkiraan berdasarkan informasi visual yang tersedia, bukan pemulihan pasti dari detail asli yang tertutup objek.

Mengapa Latar Belakang Tidak Ikut Rusak?

Salah satu tantangan terbesar dalam penghapusan objek adalah menjaga bagian foto yang tidak seharusnya berubah. Untuk mengatasi masalah ini, sistem biasanya menggunakan area seleksi atau mask yang menentukan bagian gambar mana yang boleh dimodifikasi.

Mask berfungsi seperti penanda digital. Piksel yang berada di dalam area penghapusan menjadi sasaran rekonstruksi, sedangkan piksel di luar area tersebut sebisa mungkin dipertahankan.

Meski demikian, batas objek tidak selalu mudah ditentukan. Rambut yang tipis, bayangan, pantulan pada kaca, atau bagian tubuh yang berdekatan dengan latar belakang dapat membuat proses seleksi menjadi rumit.

Karena itu, sistem AI juga perlu memperhatikan tepi objek dan transisi visual di sekitarnya. Warna, pencahayaan, ketajaman, dan tekstur harus dibuat konsisten agar bagian hasil edit tidak tampak seperti tempelan.

Jika seseorang dihapus dari foto jalanan, misalnya, AI perlu memperhatikan pola aspal, garis marka, bayangan bangunan, dan perspektif jalan. Apabila detail tersebut tidak selaras, hasil akhirnya dapat terlihat janggal meskipun objek utama sudah hilang.

Peran Model Generatif dalam Menghasilkan Foto yang Alami

Perkembangan model generatif membuat penghapusan objek semakin canggih. Salah satu pendekatan yang digunakan dalam pengolahan gambar modern adalah diffusion model, yaitu model yang mempelajari cara menghasilkan gambar dengan membentuk kembali pola visual berdasarkan proses pelatihan dan kondisi yang diberikan.

Dalam tugas pengeditan foto, model semacam ini dapat menggunakan bagian gambar yang masih terlihat sebagai petunjuk untuk menghasilkan konten pada area yang dihapus. Sistem kemudian menyelaraskan hasil tersebut dengan konteks foto secara keseluruhan.

Pendekatan ini berbeda dari teknik pengeditan lama yang hanya menyalin piksel dari satu bagian gambar ke bagian lainnya. Metode konvensional dapat bekerja dengan baik untuk latar belakang sederhana, tetapi cenderung kesulitan ketika area yang dihapus berisi detail kompleks.

Model generatif memiliki kemampuan untuk memperkirakan bentuk dan tekstur yang lebih beragam. Walaupun begitu, hasilnya tetap bergantung pada kualitas model, ukuran area yang dihapus, serta kompleksitas latar belakang.

Jika objek yang dihapus menutupi sebagian besar bangunan atau wajah seseorang, misalnya, AI mungkin menghasilkan detail yang tampak masuk akal tetapi tidak sesuai dengan keadaan sebenarnya.

Mengapa Fitur Ini Bisa Berjalan Langsung di HP?

Dahulu, pengolahan gambar berbasis AI umumnya membutuhkan komputer dengan kemampuan pemrosesan tinggi. Kini, sejumlah HP modern memiliki unit pemrosesan khusus seperti neural processing unit (NPU) yang dirancang untuk menjalankan komputasi AI secara efisien.

Selain NPU, perangkat juga dapat memanfaatkan CPU dan GPU untuk menjalankan sebagian proses pengeditan. Pengembang aplikasi mengoptimalkan model AI agar ukuran, kebutuhan memori, dan konsumsi dayanya sesuai dengan kemampuan perangkat.

Tidak semua fitur penghapusan objek diproses sepenuhnya di HP. Sebagian layanan dapat mengirim gambar ke server untuk menjalankan model yang lebih besar, lalu mengembalikan hasilnya ke perangkat pengguna.

Pilihan pemrosesan lokal atau berbasis cloud bergantung pada merek HP, aplikasi, model AI, dan implementasi fitur yang digunakan. Pemrosesan lokal dapat membantu menjaga gambar tetap berada di perangkat, sedangkan pemrosesan cloud memungkinkan penggunaan sumber daya komputasi yang lebih besar.

Oleh karena itu, kecepatan dan kualitas penghapusan objek bisa berbeda antara satu perangkat dan perangkat lainnya.

Apakah Hasil Penghapusan Objek Selalu Sempurna?

Meskipun terlihat praktis, AI tidak selalu mampu menghasilkan latar belakang yang sempurna. Kesalahan dapat muncul ketika objek menutupi pola yang rumit, seperti tulisan, ornamen bangunan, kisi-kisi, atau bagian wajah.

Bayangan juga menjadi tantangan tersendiri. Jika seseorang dihapus tetapi bayangannya masih tertinggal, foto dapat terlihat tidak alami. Sebaliknya, apabila AI menghapus bayangan yang sebenarnya seharusnya tetap ada, hasil gambar bisa kehilangan kesan pencahayaan yang realistis.

Masalah lain adalah munculnya tekstur berulang, garis yang terputus, atau detail baru yang tidak sesuai dengan kondisi asli. Hal ini biasanya lebih mudah terlihat ketika foto diperbesar.

Untuk mendapatkan hasil terbaik, pengguna sebaiknya memilih objek secara akurat, menghindari seleksi yang terlalu luas, dan memeriksa hasil edit sebelum menyimpan gambar. Pada latar belakang yang kompleks, penghapusan bertahap terkadang memberikan hasil lebih baik daripada menghapus banyak objek sekaligus.

Pengguna juga perlu mempertimbangkan konteks pemakaian. Menghapus objek untuk memperbaiki foto pribadi merupakan penggunaan yang berbeda dari memanipulasi foto dokumentasi atau bukti yang seharusnya merepresentasikan kejadian sebenarnya.

Penutup

Kemampuan AI di HP untuk menghapus objek tanpa merusak latar belakang merupakan hasil perpaduan pengenalan gambar, teknik image inpainting, model generatif, dan perangkat keras yang dirancang untuk menjalankan komputasi AI. Sistem menganalisis objek yang dipilih, memperkirakan bagian latar belakang yang tertutup, kemudian menghasilkan detail pengganti yang menyatu dengan gambar.

Teknologi ini menunjukkan bagaimana perkembangan kecerdasan buatan dapat menyederhanakan pekerjaan yang sebelumnya membutuhkan keterampilan pengeditan tingkat lanjut. Namun, hasilnya tetap merupakan rekonstruksi berdasarkan pola visual, bukan jaminan bahwa bagian gambar yang hilang akan kembali persis seperti kondisi aslinya.

References

1. Image Inpainting for Irregular Holes Using Partial Convolutions, NVIDIA Research.

2. Generative Image Inpainting with Contextual Attention, Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.

3. High-Resolution Image Synthesis with Latent Diffusion Models, Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition.

4. On-Device Machine Learning, Google AI Edge Documentation.