YOGYAKARTA – Peneliti dari Universitas Gadjah Mada (UGM) bersama UPN Veteran Yogyakarta memanfaatkan teknologi Neural Radiance Fields (NeRF) untuk mengkaji dampak peningkatan citra terhadap hasil rekonstruksi 3D objek non-Lambertian. Penelitian ini dipublikasikan di IOP Conference Series: Earth and Environmental Science.

Penelitian yang dipimpin oleh R.S. Arif dan Prof. Harintaka dari Departemen Teknik Geodesi UGM ini mengeksplorasi metode rekonstruksi 3D menggunakan NeRF pada objek yang memiliki sifat pantulan cahaya tidak merata (non-Lambertian), seperti patung dan permukaan reflektif. Lima metode peningkatan citra yang diuji antara lain Brightness, CLAHE, Gamma Correction, Global Histogram Equalization, dan Negative Image.

“Metode ini membantu mengatasi tantangan pencahayaan yang tidak seragam pada objek non-Lambertian, sehingga kualitas rekonstruksi 3D dapat ditingkatkan,” ujar Arif dalam keterangannya.

Hasil penelitian menunjukkan bahwa metode CLAHE menghasilkan akurasi rekonstruksi terbaik dengan Root Mean Square Error (RMSE) terendah yaitu 1,36 cm. Sementara itu, metode Negative Image memberikan nilai completeness tertinggi sebesar 93,12 persen. Rata-rata nilai akurasi rekonstruksi yang dihasilkan dari lima metode peningkatan citra masih dalam batas yang baik.

Prof. Harintaka menambahkan bahwa hasil ini menunjukkan pentingnya kualitas citra dalam rekonstruksi 3D berbasis AI seperti NeRF. “Peningkatan kualitas citra terbukti memainkan peran penting dalam meningkatkan performa NeRF, terutama pada objek dengan karakteristik permukaan kompleks,” jelasnya.

Dengan penelitian ini, diharapkan teknologi NeRF dapat lebih dioptimalkan untuk berbagai aplikasi, seperti pemodelan objek warisan budaya dan pemetaan detail permukaan benda yang kompleks.

Untuk membaca publikasi lengkap penelitian ini, kunjungi tautan berikut:
👉 Investigating the Impact of Enhanced Images on 3D Reconstruction of non Lambertian Object Using Neural Radiance Fields.