Citra berderajat keabuan-tersisipi-warna atau yang biasa disebut color-embedded-grayscale image merupakan salah satu permasalahan ill-posed inverse imaging. Kualitas dari citra berwarna keabuan-tersisipi-warna yang dipulihkan seringkali kurang memuaskan karena distorsi warna dan juga adanya checkerboard artifacts. Penelitian ini mengusulkan pendekatan yang berbasis Feature Engaging Convolution Vision Transformer (CVT) dengan menyisipkan Multi-Branch Residual Module (MBRM) untuk merekonstruksi citra berderajat keabuan-tersisipi-warna. Hasil penelitian ini diukur menggunakan Peak Signal to Noise Ratio (PSNR) dan Structural Similarity Index (SSIM). Pada penelitian ini training dan testing dilakukan dengan dataset DIV2K dan dataset Kodak dengan nilai rata-rata PSNR 30.43 dB dan SSIM 0.8373. Hasil dari penelitian ini menunjukkan bahwa metode yang diusulkan memberikan hasil yang paling baik dibandingkan metode Deep Convolutional Network.
Kata Kunci: Color-Embedded-Grayscale, Deep Learning, Feature Engaging Convolutional Vision Transformer, Ill-posed Inverse Imaging, Multi-Branch Residual Module
