Konstruksi Media – Lulusan program doktoral Departemen Teknik Elektro Institut Teknologi Sepuluh Nopember (ITS), Dr. Oddy Virgantara Putra, S.Kom., M.T., berhasil mengembangkan kerangka kerja pembelajaran mandiri yang inovatif untuk meningkatkan akurasi pengenalan objek tiga dimensi (3D). Inovasi ini menggabungkan teknik denoising dan pembelajaran mandiri guna mengatasi ketidakakuratan data pada sistem pengenalan objek 3D.
Oddy menjelaskan bahwa kerangka kerja yang dikembangkannya dapat mengurangi noise serta meningkatkan kualitas data point cloud 3D—sekumpulan titik dalam ruang tiga dimensi yang merepresentasikan bentuk permukaan suatu objek atau lingkungan. “Hal ini dicapai melalui modul denoising yang mengombinasikan ScoreNet dan Guided Filter,” ujar dosen Departemen Teknik Elektro ITS tersebut.
Modul ini bekerja dengan mengisolasi informasi yang berharga serta menyempurnakan detail penting dari data point cloud 3D. Data yang telah disempurnakan kemudian digunakan untuk melatih pengklasifikasi berbasis arsitektur GDANet, sebuah jaringan perhatian yang dirancang untuk memahami representasi objek 3D secara lebih baik melalui pemisahan geometri.
Arsitektur GDANet ini juga memanfaatkan operasi dua fungsi atau konvolusi overparameterized (DOConv), yang dirancang untuk meningkatkan kinerja jaringan saraf konvolusional dengan menambah parameter tambahan tanpa meningkatkan kompleksitas komputasi selama proses inferensi. “Teknik ini memungkinkan jaringan untuk menangkap fitur-fitur kompleks yang esensial bagi klasifikasi yang lebih akurat,” tambahnya.
Selain itu, Oddy mengembangkan kerangka kerja pembelajaran mandiri bernama Adaptive Dynamic Loss Weighting for Cross-Modal Contrastive Point Cloud Learning (AdaCrossNet) guna meningkatkan pembelajaran representasi. “AdaCrossNet dirancang untuk mengurangi kebutuhan anotasi manual melalui pembelajaran kontras intra-modal dan lintas-modal yang dinamis,” jelasnya.
