<![CDATA[Sebagai warisan budaya takbenda UNESCO, batik menyimpan nilai filosofis yang mendalam, namun reproduksi dan inovasinya kini dapat ditunjang oleh kecerdasan buatan generatif. Model difusi, meskipun memiliki kemampuan menghasilkan citra berkualitas tinggi, belum optimal dalam memahami token semantik spesifik seperti nama motif batik. Penelitian ini menerapkan metode fine-tuning DreamBooth pada model sd-batik-llava menggunakan 5.000 citra dari 20 motif batik untuk mengevaluasi kemampuannya dalam mengaitkan nama motif dengan representasi visual yang tepat. Evaluasi kuantitatif menggunakan Fréchet Inception Distance (FID) dan Inception Score (IS) menunjukkan bahwa model hasil fine-tuning mampu merepresentasikan motif seperti parang dan megamendung secara lebih akurat, meskipun dengan penurunan skor FID menjadi 179,4 dan IS 3,445, mengindikasikan peningkatan spesifisitas dengan penurunan generalisasi. Hasil ini menunjukkan bahwa DreamBooth efektif dalam memperkuat hubungan semantik antara teks dan citra pada domain budaya yang bersifat khusus, sekaligus membuka jalan bagi pelestarian warisan visual melalui AI.]]>
Copyrights © 2025
