Face Inpainting Berbasis StyleGAN3 dengan Integrasi Coordinate Attention

LARAS AYODYA SARI, . (2026) Face Inpainting Berbasis StyleGAN3 dengan Integrasi Coordinate Attention. Skripsi thesis, UPN "VETERAN" YOGYAKARTA.

	Text 123220081_Cover - Laras Ayodya.pdf Download (193kB)
	Text 123220081_Abstrak - Laras Ayodya.pdf Download (215kB)
	Text 123220081_Halaman Pengesahan - Laras Ayodya.pdf Download (843kB)
	Text 123220081_Daftar Isi - Laras Ayodya.pdf Download (263kB)
	Text 123220081_Daftar Pustaka - Laras Ayodya.pdf Download (193kB)
	Text 123220081_Fulltext - Laras Ayodya.pdf Restricted to Repository staff only Download (8MB)

Abstract

Face inpainting merupakan teknik yang bertujuan untuk menghasilkan kembali area
wajah yang hilang atau tertutup berdasarkan informasi visual yang masih tersedia.
Perkembangan metode berbasis generative prior menunjukkan kemampuan yang baik dalam menghasilkan wajah yang realistis dengan memanfaatkan generator pretrained sebagai sumber pengetahuan visual. Meskipun demikian, masih terdapat peluang untuk
meningkatkan kualitas representasi fitur pada proses pemetaan citra menuju ruang laten
generator melalui integrasi mekanisme perhatian yang ringan dan efisien. Oleh karena itu,
penelitian ini mengkaji pengaruh integrasi Coordinate Attention pada model face inpainting
berbasis StyleGAN3 terhadap kualitas hasil yang dihasilkan.
Penelitian ini menggunakan dataset CelebA-HQ yang terdiri atas 30.000 citra wajah
beresolusi 256 × 256 piksel. Model yang dikembangkan mengadopsi arsitektur encoder
generator dengan StyleGAN3 sebagai generative prior yang digunakan dalam kondisi
frozen. Coordinate Attention diintegrasikan pada bagian context encoder untuk
meningkatkan representasi fitur spasial sebelum proses pemetaan ke ruang laten. Evaluasi
dilakukan melalui studi ablasi pada beberapa konfigurasi penempatan Coordinate Attention
serta dibandingkan dengan model baseline tanpa Coordinate Attention. Kinerja model
diukur menggunakan metrik Peak Signal-to-Noise Ratio (PSNR), Structural Similarity Index
Measure (SSIM), dan Learned Perceptual Image Patch Similarity (LPIPS) pada full image
dan hole region. Selain itu, dilakukan pengujian hipotesis menggunakan Wilcoxon Signed
Rank Test untuk mengevaluasi signifikansi perbedaan performa antar model.
Hasil penelitian menunjukkan bahwa integrasi Coordinate Attention memberikan
peningkatan performa yang konsisten dibandingkan model baseline. Konfigurasi terbaik
diperoleh pada model A4 dengan penempatan Coordinate Attention pada lapisan encoder
tingkat tinggi, yaitu enc3 dan enc4, yang menghasilkan nilai LPIPS pada hole region sebesar
0,26001 dibandingkan model baseline sebesar 0,26929. Peningkatan juga terlihat pada
metrik PSNR dan SSIM baik pada full image maupun hole region. Dari sisi kompleksitas
komputasi, penambahan Coordinate Attention hanya meningkatkan GFLOPs dan jumlah
parameter dalam jumlah yang relatif kecil. Hasil pengujian statistik menunjukkan nilai p
value < 0,05 pada seluruh metrik evaluasi, yang mengindikasikan bahwa perbedaan
performa antara model baseline dan model dengan Coordinate Attention signifikan secara
statistik. Temuan ini menunjukkan bahwa Coordinate Attention dapat digunakan sebagai
mekanisme peningkatan representasi fitur yang ringan dan efektif pada model face
inpainting berbasis StyleGAN3.

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	Face Inpainting, StyleGAN3, Coordinate Attention, Generative Prior
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Indah Lestari
Date Deposited:	08 Oct 2026 04:27
Last Modified:	08 Oct 2026 04:27
URI:	http://eprints.upnyk.ac.id/id/eprint/49606

Actions (login required)

View Item