Pengantar: Evolusi Penangkapan Dunia Nyata ke dalam Format 3D

Dunia grafis komputer, arsitektur, pelestarian sejarah, hingga industri video game dan realitas virtual (VR) selalu mencari cara terbaik untuk membawa objek dan lingkungan dari dunia nyata ke dalam ruang digital. Selama lebih dari satu dekade, kita sangat bergantung pada satu teknologi utama untuk melakukan tugas ini: Photogrammetry. Teknologi ini telah menjadi standar industri yang tak terbantahkan untuk memindai dunia nyata menjadi model 3D.

Namun, pada pertengahan tahun 2023, dunia visi komputer dan pemodelan 3D diguncang oleh kehadiran teknologi baru yang revolusioner bernama 3D Gaussian Splatting (sering disingkat sebagai 3DGS). Diperkenalkan melalui sebuah makalah penelitian di konferensi SIGGRAPH, teknologi ini menawarkan pendekatan yang sama sekali berbeda dalam merepresentasikan dan merender adegan 3D, menawarkan tingkat fotorealisme dan kecepatan yang sebelumnya dianggap mustahil.

Bagi para profesional 3D, pengembang game, surveyor, hingga kreator konten, munculnya Gaussian Splatting menimbulkan pertanyaan penting: Apakah teknologi baru ini akan mematikan Photogrammetry? Ataukah keduanya memiliki tempat dan fungsinya masing-masing? Artikel ini akan mengupas tuntas perbedaan, cara kerja, serta keuntungan dari Photogrammetry dan Gaussian Splatting secara mendalam dan komprehensif.

Apa Itu Photogrammetry? Sebuah Standar Industri yang Teruji

Secara harfiah, photogrammetry berarti ilmu melakukan pengukuran dari foto. Dalam konteks pemodelan 3D digital, photogrammetry adalah proses menggunakan algoritma komputer untuk menganalisis puluhan, ratusan, atau bahkan ribuan foto 2D yang tumpang tindih (overlapping) dari sebuah objek atau lingkungan, lalu mengubahnya menjadi model 3D yang akurat secara geometris.

Bagaimana Cara Kerja Photogrammetry?

Proses pembentukan model 3D menggunakan photogrammetry melalui beberapa tahapan komputasi yang sangat matematis, umumnya dikenal sebagai pipeline Structure from Motion (SfM) dan Multi-View Stereo (MVS). Berikut adalah alur kerjanya:

• Ekstraksi Fitur (Feature Extraction): Perangkat lunak (seperti RealityCapture, Agisoft Metashape, atau Meshroom) mencari titik-titik unik pada setiap foto, seperti sudut meja, pola pada batu, atau tekstur dinding.
• Pencocokan Gambar (Image Matching & SfM): Komputer mencocokkan titik-titik unik tersebut di berbagai foto untuk menghitung posisi pasti kamera saat setiap foto diambil. Hasil dari tahap ini adalah Sparse Point Cloud (kumpulan titik 3D yang masih jarang).
• Densifikasi (Dense Point Cloud): Algoritma MVS kemudian menghitung kedalaman setiap piksel untuk menghasilkan jutaan titik 3D yang padat, membentuk bentuk dasar objek.
• Pembuatan Mesh (Meshing): Kumpulan titik tersebut dihubungkan satu sama lain menggunakan poligon (biasanya segitiga) untuk menciptakan permukaan padat yang disebut Polygon Mesh.
• Pembuatan Tekstur (Texturing): Terakhir, warna dari foto asli diproyeksikan kembali ke atas mesh tersebut, menciptakan model 3D penuh warna yang siap digunakan.

Keuntungan Menggunakan Photogrammetry

Sebagai teknologi yang sudah matang, photogrammetry memiliki ekosistem dan keunggulan yang sangat solid:

• Akurasi Geometris yang Tinggi: Karena menghasilkan mesh poligonal, model photogrammetry dapat digunakan untuk pengukuran fisik yang presisi. Ini sangat vital untuk industri survei tanah, pemetaan topografi, dan arsitektur.
• Kompatibilitas Penuh: Output utama photogrammetry adalah file standar seperti .OBJ, .FBX, atau .GLTF. File-file ini dapat diimpor langsung ke hampir semua perangkat lunak 3D konvensional (Blender, Maya, 3ds Max) dan game engine (Unreal Engine, Unity).
• Manipulasi Fisik: Karena berbasis poligon, Anda bisa memotong, memodifikasi, dan memberikan efek fisika (seperti tabrakan atau collision) pada model tersebut di dalam game engine.
• Relightable (Dapat Diberi Pencahayaan Ulang): Anda dapat menghapus bayangan asli (delighting) dari tekstur dan menempatkan model tersebut di lingkungan digital baru dengan pencahayaan buatan yang akan bereaksi secara realistis terhadap geometri mesh.

Mengenal 3D Gaussian Splatting: Revolusi Rendering Volumetrik

Untuk memahami 3D Gaussian Splatting, kita harus menyinggung sedikit tentang NeRF (Neural Radiance Fields). NeRF menggunakan kecerdasan buatan (AI) untuk menebak bagaimana cahaya bergerak dalam ruang 3D, namun proses pelatihaya sangat lambat dan butuh komputer super canggih untuk menjalankaya secara real-time. 3D Gaussian Splatting hadir sebagai solusi brilian yang memecahkan masalah kecepataeRF tanpa mengorbankan kualitas visual.

Berbeda dengan photogrammetry yang mencoba membuat “kulit” atau “permukaan” (mesh) dari sebuah objek, Gaussian Splatting tidak menggunakan poligon sama sekali. Alih-alih, ia merepresentasikan ruang 3D sebagai jutaan partikel berbentuk oval atau gumpalan mikroskopis yang disebut “Gaussian”.

Bagaimana Cara Kerja Gaussian Splatting?

Proses awal Gaussian Splatting sebenarnya mirip dengan photogrammetry, di mana ia membutuhkan foto yang tumpang tindih dan menggunakan Structure from Motion (SfM) untuk mendapatkan Sparse Point Cloud awal. Namun setelah itu, alurnya berubah drastis:

• Inisialisasi Gaussian: Setiap titik pada point cloud diubah menjadi sebuah 3D Gaussian (seperti gumpalan awan kecil).
• Parameterisasi Partikel: Setiap gumpalan ini memiliki data posisi (X, Y, Z), ukuran (skala), rotasi, tingkat transparansi (opacity), dan Spherical Harmonics (yang menentukan bagaimana warna berubah tergantung dari sudut pandang mana Anda melihatnya).
• Optimasi (Training): Algoritma akan memproyeksikan gumpalan-gumpalan ini ke tampilan 2D dan membandingkaya dengan foto asli. Sistem kemudian akan menyesuaikan posisi, ukuran, dan warna jutaan gumpalan tersebut secara iteratif hingga gambar yang dirender sama persis dengan foto aslinya.
• Rasterization (Splatting): Untuk menampilkaya di layar, jutaan gumpalan ini dipipihkan (di-splat) ke piksel layar komputer Anda dalam hitungan milidetik, memungkinkan rendering real-time dengan kecepatan tinggi (mencapai lebih dari 100 FPS di resolusi 1080p).

Keuntungan Menggunakan 3D Gaussian Splatting

Teknologi baru ini membawa angin segar dengan berbagai keunggulan unik yang sulit dicapai oleh photogrammetry tradisional:

• Fotorealisme yang Tak Tertandingi: Hasil render dari 3DGS seringkali tidak dapat dibedakan dari video atau foto aslinya. Ia menangkap suasana, pencahayaan global, dan detail mikro dengan sempurna.
• Menangani Material Kompleks: Kelemahan terbesar photogrammetry adalah kaca, air, cermin, dan benda mengkilap (reflektif), karena titik-titik tumpang tindih akan gagal diproses saat bayangan berubah arah. 3DGS menggunakan Spherical Harmonics yang secara alami dapat mereproduksi pantulan cermin dan transparansi kaca dengan sangat meyakinkan.
• Rendering Super Cepat: Berbeda dengaeRF yang berat, proses “splatting” sangat bersahabat dengan GPU modern. Waktu pelatihaya (training) juga jauh lebih cepat, hanya membutuhkan hitungan menit hingga beberapa jam saja dibandingkan hari.
• Menangkap Elemen Tipis dan Transparan: Rantai jaring, pagar kawat, daun tipis, ranting pohon, atau rambut adalah mimpi buruk bagi photogrammetry. Gaussian Splatting dapat menangkap semua elemen kompleks ini dengan mudah karena pendekataya yang volumetrik.

Perbedaan Utama: Photogrammetry vs Gaussian Splatting

Untuk memudahkan Anda memilih, mari kita bedah perbedaan kedua teknologi ini dalam beberapa aspek fundamental:

1. Representasi Data (Poligon vs Volumetrik)

Photogrammetry menghasilkan permukaan padat (Surface). Ia mendefinisikan batas fisik suatu objek dengan jelas. Jika Anda memotongnya, ia memiliki bentuk geometris. Sebaliknya, Gaussian Splatting merepresentasikan volume dan ruang (Volume). Model 3DGS sebenarnya adalah kumpulan jutaan gumpalan debu berwarna yang menyatu membentuk ilusi optik dari sebuah benda. Jika Anda mencoba menerapkan sistem fisika (seperti bola memantul di dinding 3DGS), bola itu tidak akan tahu di mana letak persis permukaan dinding tersebut karena tidak ada jaring poligonal.

2. Kualitas Visual pada Material Reflektif

Benda seperti mobil bersih yang mengkilap, genangan air di jalan, atau jendela kaca gedung akan terlihat hancur, berlubang, atau meleleh jika dipindai dengan photogrammetry. Hal ini terjadi karena algoritma MVS kebingungan melihat pantulan yang bergerak di setiap foto. Gaussian Splatting menangani ini dengan brilian. Karena setiap gumpalan menyimpan informasi warna dari berbagai sudut pandang, saat Anda memutar kamera di sekitar model 3DGS dari sebuah mobil, Anda akan melihat pantulan lingkungan bergerak secara realistis di atas kap mobil tersebut.

3. Pencahayaan (Lighting)

Pada photogrammetry, Anda dapat menghapus pencahayaan asli dan memasukkan model ke dalam game engine agar bereaksi terhadap lampu virtual. Pada Gaussian Splatting, pencahayaan dunia nyata “dipanggang” (baked-in) bersama dengan efek pantulaya ke dalam parameter gumpalan. Hal ini membuat model 3DGS sangat sulit untuk diberikan pencahayaan baru secara dinamis. Model 3DGS akan selalu terlihat seperti berada di lingkungan asli saat foto diambil.

4. Kompatibilitas Software dan Ekosistem

Photogrammetry adalah raja dalam hal ekosistem. Modelnya bisa digunakan di 3D printer, software CAD (Computer-Aided Design), simulasi fisika, animasi, dan sebagainya. Gaussian Splatting, karena masih terbilang sangat baru, belum didukung secara native oleh semua software. Meskipun integrasi untuk Unreal Engine, Unity, dan Blender (seperti plugin Luma AI atau PostShot) mulai bermunculan dengan pesat, workflow-nya belum sematang photogrammetry.

Kelemahan dan Keterbatasan Masing-Masing Teknologi

Penting bagi seorang profesional untuk memahami batasan dari setiap alat yang digunakan.

Keterbatasan Photogrammetry: Sangat bergantung pada kualitas tekstur visual objek. Permukaan benda yang polos tanpa tekstur (seperti tembok putih bersih atau bodi mobil tanpa corak) tidak akan bisa diproses dengan baik. Selain itu, membuat model photogrammetry berkualitas tinggi membutuhkan waktu komputasi yang sangat lama (bisa puluhan jam untuk dataset besar) dan RAM komputer yang sangat besar.

Keterbatasan Gaussian Splatting: Ukuran file mentahnya sangat besar. Sebuah adegan kecil bisa menghasilkan file berukuran ratusan megabyte hingga gigabyte hanya untuk data splat. Selain itu, memori video (VRAM) pada GPU sangat terbebani saat melakukan rendering resolusi tinggi dari jutaan splat. Keterbatasan laiya adalah ketiadaan geometri; Anda tidak bisa langsung melakukan simulasi interaksi fisik, dan sangat sulit untuk membersihkan atau mengedit bagian tertentu secara presisi layaknya menggeser titik poligon pada mesh.

Kapan Anda Harus Memilih Photogrammetry?

Photogrammetry tetap menjadi pilihan utama dan tidak tergantikan untuk berbagai skenario penggunaan profesional yang membutuhkan interaksi dan ukuran pasti. Anda wajib memilih Photogrammetry jika proyek Anda berkaitan dengan:

• Survei dan Topografi: Mengukur volume tanah, luas tambang, atau menganalisis struktur bangunan.
• Aset Game Tradisional: Membuat karakter, batu, pohon, atau properti untuk video game yang membutuhkan geometri poligon untuk sistem collision (tabrakan) dan pencahayaan dinamis.
• Cetak 3D (3D Printing): Printer 3D membutuhkan file bervolume solid dengan permukaan (mesh) yang tertutup rapat (water-tight).
• Integrasi CAD dan BIM: Merancang ulang atau mencocokkan desain mekanikal dan arsitektur menggunakan data dunia nyata.
• Visual Effects (VFX): Ketika objek perlu dianimasikan, dirusak, atau diberikan efek fisika di software seperti Houdini atau Maya.

Kapan Gaussian Splatting Menjadi Pilihan Terbaik?

Gaussian Splatting bersinar saat fokus utama dari proyek Anda adalah kualitas visual yang memukau tanpa memerlukan interaksi geometris. Teknologi ini adalah pilihan terbaik jika proyek Anda mencakup:

• Tur Virtual dan Real Estate: Menampilkan properti rumah, museum, atau pameran dengan pencahayaan aslinya yang fotorealistik, termasuk jendela dan cermin.
• Dokumentasi Sejarah dan Arsip Budaya: Merekam situs bersejarah atau artefak rapuh dengan keakuratan visual 100%, persis seperti yang dilihat oleh mata manusia.
• Pembuatan Konten Video / Sinematografi Virtual: Membuat video fly-through (terbang melintasi adegan) untuk keperluan iklan, musik video, atau presentasi di mana model 3D hanya bertindak sebagai latar belakang (background) visual.
• Objek Sulit dan Transparan: Menangkap keindahan objek seperti perhiasan, gelas kristal, mobil sport dengan cat reflektif, atau tanaman dengan dedaunan tipis.

Masa Depan Pemodelan 3D: Apakah Keduanya Akan Saling Menggantikan?

Banyak pengamat teknologi yang sempat memprediksi bahwa Gaussian Splatting akan membunuh photogrammetry konvensional. Namun, realitas industri menunjukkan bahwa keduanya tidak bersaing untuk saling menghancurkan, melainkan saling melengkapi.

Karena photogrammetry unggul di geometri dan Gaussian Splatting unggul di kualitas visual volumetrik, masa depan pemodelan 3D terletak pada hibridisasi keduanya. Saat ini, para peneliti dan pengembang software sedang merumuskan algoritma “SuGaR” (Surface-Aligned Gaussian Splatting) dan teknik ekstraksi mesh dari data Gaussian.

Di masa depan, sangat mungkin kita akan melihat pipeline tunggal di mana Anda mengambil foto, komputer membuat Gaussian Splatting untuk merekam keindahan dan pencahayaaya, lalu algoritma secara otomatis menarik mesh poligon yang sempurna dari kepadatan splat tersebut. Dengan demikian, kita akan mendapatkan model 3D yang ringan, memiliki hitbox (fisika), namun dengan pantulan visual dan pencahayaan khas 3DGS.

Kesimpulan

Perdebatan antara Photogrammetry vs Gaussian Splatting bukanlah tentang siapa yang lebih superior secara keseluruhan, melainkan tentang memilih alat yang paling tepat untuk masalah spesifik yang ingin Anda pecahkan. Photogrammetry adalah alat ukur dan alat bentuk yang sangat fungsional dan terstandarisasi. Ia adalah batu loncatan yang melahirkan industri pemindaian 3D dan akan terus bertahan selama kita membutuhkan batas geometri fisik dalam ruang digital.

Di sisi lain, 3D Gaussian Splatting adalah keajaiban teknologi visual modern. Ia mengubah cara kita melihat memori spasial, memungkinkan kita masuk kembali ke dalam “foto tiga dimensi” dengan pantulan, cahaya, dan detail mikroskopis yang terasa hidup. Bagi para pemula maupun profesional industri, menguasai alur kerja kedua teknologi ini tidak hanya akan memperluas cakrawala kreatif, tetapi juga memberikan keunggulan kompetitif yang masif di era komputasi spasial saat ini.