Konteks & Permasalahan
Generative AI mengubah produksi multimedia dari proses yang terutama bertumpu pada keterampilan teknis manual menjadi proses sintesis berbasis instruksi, data visual, dan iterasi manusia–mesin. Dalam konteks gambar-ke-video, transformasi ini tidak sekadar berarti menggerakkan gambar diam. Sistem perlu mempertahankan identitas objek, komposisi, gaya visual, relasi spasial, serta kontinuitas temporal ketika menghasilkan rangkaian frame. Karena itu, kualitas keluaran tidak dapat dinilai hanya dari tingkat realisme satu frame, melainkan dari koherensi gerak, kesetiaan terhadap gambar sumber, kesesuaian terhadap maksud kreatif, dan penerimaan pengguna.
Gao dan Pu (2024), melalui studi Generative adversarial network-based experience design for visual communication: An innovative exploration in digital media arts di IEEE Access, menempatkan generative adversarial network sebagai instrumen desain pengalaman dalam komunikasi visual. Perspektif tersebut penting karena menunjukkan bahwa nilai sistem generatif tidak berhenti pada kemampuan membuat citra baru. Nilainya terletak pada kapasitas untuk mengarahkan persepsi, emosi, dan keterlibatan audiens melalui bentuk visual yang dinamis dan dapat disesuaikan.
Namun, pergeseran ini juga memunculkan persoalan evaluatif. Epstein et al. (2023), dalam Art and the science of generative AI yang diterbitkan di Science, menegaskan bahwa kemajuan kualitas media artistik generatif berjalan berdampingan dengan perdebatan mengenai kreativitas, kepengarangan, sumber data pelatihan, hak kekayaan intelektual, dan peran manusia dalam pengambilan keputusan estetis. Dalam sintesis gambar-ke-video, masalah tersebut menjadi lebih kompleks karena output video menggabungkan kemungkinan manipulasi visual, rekonstruksi adegan, dan penciptaan tindakan yang tidak pernah direkam dalam gambar asal.
Literatur yang dikaji memperlihatkan bahwa fondasi penting bagi gambar-ke-video justru berasal dari tiga ranah yang saling melengkapi: desain komunikasi visual, ko-kreasi interaktif, seni media partisipatif, dan konservasi warisan visual. Meski belum seluruh studi menyajikan pengujian langsung atas model gambar-ke-video, temuan-temuannya menyediakan parameter substantif untuk menilai apakah video sintetis benar-benar bernilai bagi desainer, seniman, institusi budaya, maupun organisasi komersial.
Metodologi & Parameter Riset
Secara metodologis, studi-studi tersebut tidak dapat diperlakukan sebagai satu kelompok eksperimen teknis yang seragam. Gao dan Pu (2024) menggunakan kerangka eksplorasi desain pengalaman berbasis generative adversarial network untuk komunikasi visual digital. Fokusnya adalah penerapan model generatif dalam penciptaan bentuk artistik dan pengalaman media, bukan pembandingan ketat antararsitektur video generatif. Kontribusinya terletak pada pergeseran unit analisis: dari gambar sebagai artefak statis menjadi pengalaman visual sebagai hasil interaksi antara sistem, kreator, dan audiens.
Epstein et al. (2023) dalam Science memakai pendekatan konseptual-interdisipliner yang memadukan perspektif seni, ilmu komputer, etika, serta kebijakan teknologi. Studi ini tidak dirancang sebagai uji performa model tunggal. Karena itu, kontribusi utamanya bagi evaluasi gambar-ke-video adalah kerangka pertanyaan: siapa yang menentukan kualitas artistik, bagaimana pelatihan model memengaruhi hasil, apa posisi karya manusia dalam proses generatif, dan bagaimana akuntabilitas diterapkan ketika karya sintetis memasuki pasar kreatif.
Canet Sola dan Guljajeva (2024), melalui Visions of destruction: Exploring a potential of generative AI in interactive art dalam Proceedings of the 17th International Symposium on Visual Information Communication and Interaction, mengeksplorasi seni interaktif yang menggabungkan tatapan pengguna sebagai mekanisme interaksi bermakna dengan generative AI. Pendekatan ini relevan untuk gambar-ke-video karena menunjukkan bahwa input tidak harus dipahami hanya sebagai perintah teks atau gambar awal. Arah pandang, perhatian, durasi interaksi, dan respons penonton dapat menjadi variabel pengendali narasi audiovisual.
Wibowo, Manongga, Hendry, et al. (2025) dalam Interactive Co-Creation with StyleGAN for Enhancing Visual Design Using Generative AI mengusulkan kerangka ko-kreasi interaktif yang memungkinkan desainer memperhalus hasil AI secara iteratif. Secara praktis, prinsip ini dapat diterjemahkan ke alur gambar-ke-video melalui mekanisme seleksi frame awal, pengaturan lintasan kamera, penguncian identitas karakter, penyuntingan gerak lokal, dan pemilihan kandidat video. Keberhasilan sistem dengan demikian tidak semata-mata diukur melalui otomatisasi, tetapi melalui tingkat kendali kreatif yang tetap berada pada manusia.
Zhao, Huang, He, Tong, Li, et al. (2025), dalam Reviving mural art through generative ai: a comparative study of ai-generated and hand-crafted recreations, menggunakan perbandingan antara rekreasi mural berbasis AI dan hasil kerja manual. Studi ini melibatkan lima pakar seni mural serta restorasi warisan budaya, dengan kualifikasi minimal pendidikan magister atau pengalaman profesional yang relevan. Desain evaluasi pakar semacam ini sangat penting bagi gambar-ke-video, khususnya pada penggunaan untuk arsip budaya, museum, dokumenter, dan rekonstruksi sejarah. Pada konteks tersebut, output yang secara visual menarik belum tentu sahih secara historis.
Dari kelima studi, evaluasi output gambar-ke-video perlu dirumuskan dalam sedikitnya enam parameter. Pertama, kesetiaan visual terhadap gambar sumber, termasuk wajah, objek, tekstur, proporsi, dan gaya. Kedua, koherensi temporal, yaitu kestabilan identitas dan bentuk antarframe. Ketiga, kredibilitas gerak, mencakup anatomi, fisika objek, arah cahaya, serta hubungan sebab-akibat dalam adegan. Keempat, kesesuaian semantik dengan maksud pengguna atau narasi. Kelima, kualitas pengalaman pengguna dan tingkat kendali kreatif. Keenam, validitas etis, kultural, serta hukum dari hasil yang dihasilkan.
Analisis Temuan Utama
Temuan paling penting dari Gao dan Pu (2024) adalah bahwa teknologi generatif harus dinilai sebagai perangkat desain pengalaman visual, bukan semata-mata mesin produksi gambar. Dalam gambar-ke-video, implikasinya jelas: animasi yang halus tetapi tidak memperkuat pesan komunikasi, emosi, atau tujuan merek belum tentu efektif. Video promosi, materi pembelajaran, pengalaman pameran digital, dan konten media sosial membutuhkan hubungan yang kuat antara gerak, struktur visual, dan respons audiens.
Kerangka ini mengoreksi kecenderungan industri untuk memprioritaskan metrik teknis generik, seperti resolusi, ketajaman, atau skor kesamaan distribusi visual. Metrik tersebut tetap diperlukan, tetapi tidak cukup. Sebuah model dapat menghasilkan video dengan frame yang realistis, sementara karakter berubah identitas pada pertengahan klip, pakaian mengalami distorsi, atau gerakan kamera tidak sesuai dengan komposisi gambar awal. Dalam penggunaan komersial, kegagalan seperti ini meningkatkan biaya revisi dan menurunkan kepercayaan terhadap otomatisasi produksi.
Epstein et al. (2023) memperluas pembahasan dengan menunjukkan bahwa generative AI berada di persimpangan antara kapasitas komputasional dan penilaian artistik manusia. Bagi sintesis multimedia, hal ini berarti tidak ada metrik tunggal yang dapat menyelesaikan persoalan kualitas. Penilaian objektif dapat memeriksa stabilitas temporal, keselarasan visual-teks, dan konsistensi struktur. Akan tetapi, kebaruan, daya ekspresif, sensitivitas budaya, dan nilai artistik tetap memerlukan evaluasi manusia yang kontekstual.
Studi Canet Sola dan Guljajeva (2024) memperlihatkan bahwa generative AI dapat memperdalam pengalaman seni ketika audiens menjadi bagian dari mekanisme penciptaan. Integrasi tatapan sebagai input menggeser model komunikasi dari konsumsi pasif ke partisipasi aktif. Pada sistem gambar-ke-video, pendekatan ini berpotensi diterapkan pada instalasi imersif, galeri digital, pendidikan seni, serta pengalaman merek berbasis layar interaktif. Penonton dapat memengaruhi urutan adegan, intensitas transformasi gambar, atau arah perkembangan narasi melalui perhatian visualnya.
Kekuatan pendekatan interaktif tersebut sekaligus menimbulkan tuntutan evaluasi baru. Video tidak cukup diuji dalam kondisi pemutaran linear. Sistem perlu diukur berdasarkan latensi respons, keterbacaan hubungan antara aksi pengguna dan perubahan visual, stabilitas output pada interaksi berulang, serta kemampuan pengguna memahami mekanisme kendali. Jika respons generatif tidak dapat diprediksi atau tidak terasa bermakna, interaktivitas berisiko berubah menjadi ornamen teknis.
Wibowo, Manongga, Hendry, et al. (2025) menegaskan pentingnya ko-kreasi iteratif. Kerangka berbasis StyleGAN yang mereka kaji menempatkan AI sebagai asisten desain, bukan pengganti desainer. Prinsip ini sangat relevan bagi pengembangan gambar-ke-video yang bertanggung jawab. Organisasi sebaiknya menghindari alur kerja “sekali perintah, langsung publikasi”. Alur yang lebih reliabel mencakup pembuatan beberapa kandidat, penyaringan otomatis atas artefak, pemilihan kreator, penguncian elemen visual penting, penyuntingan pascaproduksi, dan persetujuan akhir oleh pihak yang memiliki mandat editorial.
Studi Zhao et al. (2025) menambahkan dimensi autentisitas melalui perbandingan rekreasi mural buatan AI dan hasil kerajinan tangan. Keterlibatan pakar memperlihatkan bahwa evaluasi pada warisan budaya perlu melampaui preferensi umum pengguna. Pakar dapat menilai ketepatan motif, pola kerusakan, teknik pewarnaan, komposisi era tertentu, dan konsistensi dengan pengetahuan sejarah. Jika prinsip ini diterapkan pada gambar-ke-video, setiap visualisasi gerak atas mural, lukisan, atau foto arsip harus dibedakan secara tegas antara rekonstruksi berbasis bukti dan interpretasi kreatif berbantuan AI.
Secara keseluruhan, literatur menunjukkan kesenjangan riset yang masih penting. Belum tampak protokol terpadu yang menghubungkan metrik teknis video generatif dengan evaluasi pengalaman, nilai kreatif, autentisitas budaya, dan tata kelola penggunaan. Kesenjangan tersebut membuka ruang bagi riset gambar-ke-video yang membangun evaluasi berlapis: pengujian otomatis di tingkat frame dan urutan video, studi pengguna di tingkat pengalaman, serta panel ahli untuk domain berisiko tinggi seperti budaya, pendidikan, periklanan, dan komunikasi publik.
Implikasi Strategis: Akademis & Praktis
Bagi akademisi, kontribusi teoretis yang paling menjanjikan adalah membangun model evaluasi sosio-teknis untuk sintesis multimedia. Model ini perlu memisahkan, tetapi juga menghubungkan, kualitas generatif pada tingkat teknis dengan kualitas komunikatif pada tingkat pengalaman. Variabel teknis dapat mencakup konsistensi identitas, stabilitas latar, kelancaran gerak, dan kemunculan artefak. Variabel pengalaman dapat mencakup pemahaman audiens, keterlibatan, persepsi kreativitas, rasa kendali, dan kepercayaan. Variabel kontekstual mencakup kesesuaian budaya, risiko misrepresentasi, atribusi, dan kejelasan status sintetis suatu video.
Desain penelitian yang kuat sebaiknya menggunakan metode campuran. Uji objektif dapat membandingkan video terhadap gambar referensi melalui pengukuran kesamaan visual dan kestabilan antarframe. Uji pengguna dapat memakai skala penilaian untuk kualitas gerak, kesesuaian dengan tujuan kreatif, kemudahan pengendalian, dan niat penggunaan kembali. Panel ahli diperlukan ketika output berhubungan dengan identitas merek, karakter manusia, artefak budaya, atau peristiwa historis. Pendekatan Zhao et al. (2025) menunjukkan bahwa penilaian spesialis bernilai tinggi ketika kesalahan visual dapat menghasilkan konsekuensi interpretatif yang serius.
Bagi praktisi, strategi implementasi perlu dimulai dari pemetaan jenis risiko dan nilai bisnis. Untuk konten pemasaran berisiko rendah, gambar-ke-video dapat dipakai untuk membuat variasi kreatif, prototipe kampanye, visualisasi produk, atau materi media sosial. Indikator keberhasilannya dapat berupa waktu produksi, biaya per variasi kreatif, rasio revisi, tingkat keterlibatan audiens, dan konversi kampanye. Untuk domain berisiko tinggi, seperti rekonstruksi budaya, komunikasi publik, pendidikan sejarah, atau representasi manusia nyata, organisasi perlu menerapkan peninjauan ahli, dokumentasi sumber visual, serta label yang menjelaskan unsur sintetis dan interpretatif.
Prinsip ko-kreasi dari Wibowo, Manongga, Hendry, et al. (2025) menyarankan bahwa investasi tidak hanya diarahkan pada model generatif, tetapi juga pada antarmuka kerja. Antarmuka yang baik memungkinkan pengguna mempertahankan elemen yang tidak boleh berubah, menentukan wilayah gambar yang dianimasikan, mengatur durasi dan intensitas gerak, serta membandingkan beberapa keluaran secara cepat. Dengan demikian, organisasi dapat mengurangi ketergantungan pada proses coba-coba berbasis perintah dan meningkatkan keterulangan kualitas output.
Dalam ranah seni interaktif, pelajaran dari Canet Sola dan Guljajeva (2024) menunjukkan bahwa inovasi bernilai tinggi muncul ketika AI diintegrasikan ke pengalaman partisipatif, bukan ketika AI sekadar dipajang sebagai demonstrasi teknologi. Museum, ruang pamer, pusat pengalaman pelanggan, dan institusi pendidikan dapat menggunakan gambar-ke-video untuk menghadirkan narasi yang berubah berdasarkan perhatian atau pilihan pengunjung. Keberhasilan implementasi perlu dievaluasi melalui durasi interaksi, tingkat partisipasi, pemahaman naratif, kepuasan pengguna, serta aksesibilitas bagi kelompok pengguna yang berbeda.
Pada akhirnya, gambar-ke-video yang berkualitas bukan video yang paling spektakuler secara visual, melainkan video yang paling konsisten dengan sumbernya, paling tepat terhadap tujuan komunikasinya, paling dapat dikendalikan oleh kreatornya, dan paling dapat dipertanggungjawabkan dalam konteks penggunaannya. Literatur yang ada mengarah pada kesimpulan bahwa masa depan sintesis multimedia tidak akan ditentukan oleh otomatisasi penuh, melainkan oleh desain sistem yang menyeimbangkan kecerdasan generatif, kurasi manusia, dan evaluasi multidimensi.
Referensi
- Gao, M., & Pu, P. (2024). Generative adversarial network-based experience design for visual communication: An innovative exploration in digital media arts. IEEE Access. https://ieeexplore.ieee.org/abstract/document/10571957/
- Epstein, Z., Hertzmann, A., et al. (2023). Art and the science of generative AI. Science, 381(6654), 111–112. https://www.science.org/doi/abs/10.1126/science.adh4451
- Canet Sola, M., & Guljajeva, V. (2024). Visions of destruction: Exploring a potential of generative AI in interactive art. Proceedings of the 17th International Symposium on Visual Information Communication and Interaction. https://dl.acm.org/doi/abs/10.1145/3678698.3687185
- Wibowo, M. C., Manongga, D., Hendry, H., et al. (2025). Interactive Co-Creation with StyleGAN for Enhancing Visual Design Using Generative AI. Proceedings of the 2025 4th International Conference. https://ieeexplore.ieee.org/abstract/document/11167676/
- Zhao, S., Huang, Y., He, X., Tong, X., Li, X., et al. (2025). Reviving mural art through generative AI: A comparative study of AI-generated and hand-crafted recreations. Proceedings of the 2025 Conference on Creativity and Cognition. https://dl.acm.org/doi/abs/10.1145/3706598.3714157
