IITian menggunakan teknik pembelajaran mendalam untuk secara digital mengembalikan mural gua Ajanta yang rusak

Keluaran Hongkong

Pada hackathon Tech4Heritage yang baru saja selesai, tim penggemar pembelajaran mendalam dari IIT Roorkee memenangkan hadiah utama. Memanfaatkan kumpulan data lukisan referensi untuk mengembangkan model AI mereka, tim ‘AI Kuno’ dapat memberikan hasil restoratif dengan bantuan teknik pembelajaran mendalam untuk mural yang rusak di Gua Ajanta. Terdiri dari Parth Chhabra, Kushagra Babbar, Arjav Jain dan Aryan Prasad – semuanya adalah mahasiswa teknik mesin tahun kedua BTech, tim memulai hackathon untuk memanfaatkan hari-hari penguncian mereka dengan bermanfaat.

“Ide untuk mengambil tantangan datang pada bulan September ketika kasus Covid di India mencapai puncaknya. Minat kami yang sama dalam pembelajaran mendalam membantu kami untuk bekerja sama dan terlibat dalam proses pemulihan situs warisan, ”kata Parth, ketua tim grup.

“Kami menemukan banyak rintangan di hackathon seperti kesalahan dalam logika, pemrograman, sintaks, yang bila ditangani secara efektif, memberi kami keunggulan atas peserta lain dengan eksposur yang lebih sedikit. Kami harus memanfaatkan keterampilan kami untuk menjelajahi pemrosesan dan rekonstruksi gambar yang dibantu AI secara mendalam, ”kenang Parth.

Data lukisan yang rusak dan lukisan yang direstorasi sesuai untuk memanfaatkan teknologi virtual dengan lebih baik diperlukan untuk memulihkan lukisan. Solusi tim dalam memulihkan area lukisan yang rusak terletak pada perbaikan wilayah tersebut dengan mengubah piksel bagian yang rusak melalui kesimpulan matematis dari area tetangga yang tidak rusak. “Kami telah mampu menghasilkan keluaran yang sangat baik tetapi untuk mereplikasi apa yang telah dilakukan 2000 tahun yang lalu membutuhkan kesempurnaan dan kami berusaha untuk itu dengan teknik yang lebih maju dan model AI yang akan menjadi lebih baik melalui penyempurnaan algoritma yang berkelanjutan,” kata Parth.

AI Kuno membutuhkan hampir 4 hari untuk melatih model AI mereka untuk akhirnya mulai mengenali cara mengisi lukisan yang rusak dengan benar. “Kami mendapat kesempatan untuk berinovasi dan membuat proyek yang membangun secara sosial yang dapat membantu umat manusia, dan generasi mendatang secara keseluruhan,” kata Kushagra, yang telah mengerjakan berbagai proyek pembelajaran mesin. Rekan satu timnya, Arjav, adalah penggemar mobil dengan hasrat untuk bekerja di lokomotif futuristik, sementara Arya adalah ahli quiz dan antusias tentang penggabungan ilmu data dan teknik mesin.

Proyek tersebut, kata Kushagra, mengajari mereka cara-cara komunikasi yang kondusif, manajemen proyek, berpegang pada tenggat waktu yang ketat dan keterampilan untuk implementasi praktis. Sejak menang, tim akan bekerja sama dengan Sapio Analytics, salah satu penyelenggara inisiatif, untuk memahami mekanisme lingkungan kerja profesional. “Ada banyak situs bersejarah dan artefak yang perlu direstorasi dan kami berencana untuk meningkatkan inisiatif setelah memahami kelayakan dan potensi,” tambah Kushagra.

Setelah kode tim diubah sedikit dan diuji ulang, itu akan ditambahkan ke Arsip Digital Arktik yang berisi data kepentingan sejarah dan budaya dari beberapa negara, selama lebih dari 1000 tahun pelestarian. “Kami telah mengerjakan restorasi digital, tetapi dapat dengan mudah diikuti oleh restorasi fisik melalui pencetakan 3D yang dapat membantu rekonstruksi,” jelas Kushagra.

Sampai sekarang mereka tidak berpikir untuk berkarir di bidang restorasi digital kecuali mungkin untuk belajar dan tampil. “Semuanya menjadi produk sampingan,” kata Kushagra.


Seni restorasi digital

Restorasi digital tidak merusak karya seni asli. Itu adalah gambar yang dikerjakan, untuk memberikan gambaran tentang kemuliaan seni aslinya. “Di bawah bimbingan sejarawan seni, restorasi digital bisa akurat dan efektif. Bagian terbaiknya, mahakarya seni asli dipertahankan apa adanya, sementara publik mendapat gambaran tentang keindahan aslinya melalui restorasi digital,” kata pembuat film, sejarawan seni dan fotografer Benoy K Behl.

By asdjash