Analisis Sensitivitas Timestep Difusi dan Resolusi Grid Semantik Terhadap Akurasi Estimasi Kepadatan Kerumunan

Abstract

Model difusi terlatih menyimpan informasi spasial pada lapisan cross-attention sehingga dapat dimanfaatkan sebagai prior spasial untuk estimasi kepadatan kerumunan tanpa proses sampling berulang. Mutu prior tersebut bergantung pada dua parameter yang jarang dianalisis secara khusus, yaitu timestep difusi t yang menentukan tingkat derau pada ruang laten dan resolusi grid g yang menentukan tingkat agregasi respons atensi. Penelitian ini menganalisis sensitivitas akurasi penghitungan kerumunan terhadap kedua parameter tersebut pada arsitektur difusi beku satu langkah dengan kepala regresi kepadatan ringan. Pengujian dilakukan pada dataset ShanghaiTech Part A dengan variasi t = 250, 500, dan 750 serta g = 8 x 8, 16 x 16, dan 32 x 32, dilengkapi pengujian seluruh kombinasi kedua parameter dan ablasi kontribusi tiap komponen penyusun sistem. Konfigurasi t = 500 dengan g = 16 x 16 memberikan galat terendah, yaitu MAE 51,39 dan RMSE 94,36. Timestep yang terlalu kecil (t = 250) menaikkan MAE menjadi 57,43 karena representasi laten masih menyerupai citra bersih, sedangkan timestep yang terlalu besar (t = 750) menaikkan MAE menjadi 55,87 akibat derau yang merusak koherensi spasial. Pengujian seluruh kombinasi menunjukkan bahwa rentang galat akibat perubahan timestep rata-rata 5,61 poin MAE, hampir dua kali rentang akibat perubahan resolusi grid yang hanya 3,03 poin, dan nilai terbaik salah satu parameter tidak berubah oleh nilai parameter lainnya. Ablasi komponen memperlihatkan penurunan MAE dari 87,83 pada basis CLIP saja menjadi 51,39 pada model penuh, dengan sumbangan terbesar 22,03 poin berasal dari cabang terpandu difusi. Hasil ini menunjukkan bahwa penyetelan timestep perlu didahulukan sebelum penyetelan resolusi grid.