PENGEMBANGAN SYNCHRONOUS VIDEO SUMMARIZATION UNTUK MENINGKATKAN EFISIENSI TEKNOLOGI VIDEO-TO-TEXT RECOGNITION

Teknologi video summarization terus berkembang seiring dengan kebutuhan akan analisis video secara otomatis di berbagai bidang, seperti keamanan dan pembelajaran. Namun, sistem asynchronous video summarization sering kali menghadapi tantangan berupa latensi tinggi dan kurangnya akurasi dalam merangkum konten video yang kompleks secara real-time. Hal ini menimbulkan kebutuhan untuk mengembangkan teknologi yang mampu memproses video dengan cepat tanpa mengorbankan akurasi. Sebagian besar penelitian saat ini berfokus pada teknologi asinkron, tetapi masih terdapat kesenjangan yang signifikan dalam menyediakan solusi real-time yang efisien. Penelitian ini menawarkan solusi berupa peningkatan teknologi Video-to-Text Recognition (VTR) dari asynchronous menjadi synchronous VTR, yang memungkinkan pemrosesan video secara langsung di perangkat akhir. Solusi ini mengurangi latensi dan meningkatkan akurasi ringkasan video. Dalam metode peningkatan, VTR synchronous menggunakan TensorFlow Lite untuk mengoptimalkan pemrosesan pada perangkat dengan sumber daya terbatas. Metode evaluasi dilakukan dengan membandingkan waktu pemrosesan dan akurasi ringkasan antara sistem asynchronous dan synchronous VTR menggunakan metrik Precision, Recall, dan F1-score. Hasil penelitian menunjukkan bahwa synchronous VTR lebih unggul dalam hal kecepatan dan akurasi ringkasan video dibandingkan dengan asynchronous VTR. Dapat disimpulkan, teknologi synchronous VTR yang dikembangkan dalam penelitian ini memberikan solusi yang lebih efisien untuk aplikasi yang memerlukan pemrosesan video secara real-time dengan akurasi tinggi.