Model Generatif Berbasis Recurrent Neural Network Untuk Gerakan Tari Tradisional Indonesia

Zaman, Lukman (2020) Model Generatif Berbasis Recurrent Neural Network Untuk Gerakan Tari Tradisional Indonesia. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
07111260010003-Disertation.pdf - Accepted Version
Restricted to Repository staff only

Download (7MB) | Request a copy

Abstract

Usaha pelestarian budaya tari tradisional bisa dilakukan dengan mendokumentasikan, mengembangkan, dan juga dengan menjaga popularitas budaya tersebut di masyarakat. Media animasi komputer bisa dimanfaatkan untuk mendukung usaha tersebut. Permasalahan terletak pada banyaknya sumber daya dan waktu yang diperlukan dalam proses pembuatan animasi tari. Sistem yang bisa dengan mudah menghasilkan animasi tari yang bervariasi akan membantu mempercepat proses tersebut. Sistem semacam itu bisa dibuat dengan suatu model generatif yang dilatih dengan gerakan-gerakan tarian. Dengan latar belakang tersebut, maka penelitian ini membangun model generatif untuk menghasilkan animasi tari. Model dilatih dengan gerakan tari tradisional, yaitu Tari Remo dari Jawa Timur. Gerakan tari untuk data pelatihan direkam dengan menggunakan motion capture. Selanjutnya data gerakan dinyatakan sebagai data sekuensial dari fitur rotasi tulang. Pemilihan fitur ini didasarkan pada percobaan awal bahwa rotasi tulang bisa menjadi fitur yang unik bagi gerakan yang ekspresif. Topologi Recurrent Neural Network (RNN) digunakan untuk membangun model generatif karena RNN mampu menangani data sekuensial semacam gerakan tari. Untuk mengatasi keterbatasan memori pada Graphical Processing Unit (GPU), maka strategi pelatihan secara bertahap dilakukan. Pelatihan bertahap memisahkan gerakan tari berdasar gerakan dasarnya dan juga mengelompokkan data rotasi tulang untuk dilatih secara terpisah. Gerakan-gerakan tari yang dihasilkan model memiliki variasi dalam tingkat tertentu. Variasi yang dihasilkan ada dua jenis, yaitu variasi jenis gerak karena perbedaan nilai rotasi tulang dan variasi tempo pada gerakan. Besarnya variasi dievaluasi dengan metode Dynamic Time Warping (DTW) dan Laban Movement Analysis (LMA). Secara umum, variasi pada gerakan yang dihasilkan memberi efek ketidakseragaman yang alami pada animasi tari. Metode pembuatan tari yang dibangun dalam riset ini bisa diaplikasikan untuk tari lain yang tersusun dari perulangan gerakan-gerakan dasar. Strategi pelatihan yang diusulkan juga bisa disesuaikan dengan panjang pendeknya gerakan serta batasan memori GPU yang tersedia. ======================================================== The preserverance of the traditional dances can be achieved by documenting, developing, or by maintaining their popularities in the community. The computer animation can be used to help these efforts but creating dance animations is a demanding task. A system that can easily create varied dance animations should be helpful. Such system can be created by building a generative models that are trained with dance moves. The models are trained using a traditional dance moves from East Java which is called Remo Dance. The dance moves for the training data were captured by a motion capture system, which in turn were converted into sequences of bones rotations features. These features are used because in the preliminary research, they showed the ability to represent expressive body movements. The Recurrent Neural Network (RNN) topology is used as the basis for the generative models for its capability in processing sequential data. The Graphical Processing Unit (GPU) memory limitation problem can be solved by splitting the training data in several parts and train them separatedly. The generated moves show some degree of variations. There are two kinds of variations that occurs, the variances caused by differences in the bones rotations and the variances in time dimension. Those variances are evaluated using dynamic time wraping (DTW) and Laban movement analysis (LMA) methods. In general, the resulted variations give the intended natural imperfections in dance moves. With this generative model system, other dances can be trained as long as they composed from repetition of basic dance moves. The proposed training strategies also adaptable to the length of the dance moves and with the amount of available GPU memory.

Item Type: Thesis (Doctoral)
Uncontrolled Keywords: model generatif, tari tradisional, tari Remo, recurrent neural network, deep learning, animasi, generative model, traditional dance, animation
Subjects: Q Science > QA Mathematics > QA76.754 Software architecture. Computer software
Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
T Technology > TR Photography > TR897.7 Computer animation
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20001-(S3) PhD Thesis
Depositing User: Lukman Zaman PCSW
Date Deposited: 03 Sep 2020 05:01
Last Modified: 03 Sep 2020 05:01
URI: https://repository.its.ac.id/id/eprint/81588

Actions (login required)

View Item View Item