Astra vs Fable : créer des scènes 3D complexes avec la compétence 3D IA de V2Fun

Astra contre Fable : créer des scènes 3D complexes avec V2Fun AI 3D Skill

Dans quelle mesure des agents IA peuvent-ils recréer une scène 3D complexe à partir d'une seule image de référence ?

Pour le découvrir, nous avons donné à Astra et Fable la même image d'un bureau encombré et leur avons demandé de le construire avec la même version de V2Fun AI 3D Skill. La scène comprenait du mobilier, des équipements électroniques, des décorations murales et des dizaines d'objets plus petits. Chaque agent devait décomposer la scène, générer les ressources 3D nécessaires et les assembler dans Three.js.

Les deux agents ont terminé la scène, mais ont adopté des approches sensiblement différentes pour la modélisation et l'assemblage.

Le test : une scène, deux workflows

Les deux agents ont utilisé V2Fun AI 3D Skill pour générer des ressources 3D, Three.js prenant en charge l'assemblage final de la scène.

Chaque workflow a produit un fichier GLB, du code source et des captures d'écran pour inspection. La tâche autorisait une combinaison de ressources générées par IA et de géométrie procédurale.

Fable a utilisé une approche de modélisation hybride, combinant des objets générés par IA et une géométrie construite en code. Astra a suivi une voie différente, en étendant la génération V2Fun à presque toutes les parties de la scène.

Deux approches pour construire le même bureau

Fable : ressources complexes avec V2Fun, structures simples avec Three.js

Fable a divisé le bureau en plusieurs groupes : structure de la pièce, mobilier principal, équipements, décorations murales et objets plus petits.

Il a utilisé V2Fun pour générer les objets aux formes plus complexes, notamment les bureaux, les fauteuils de bureau, les classeurs et un magnétophone. Les murs, les sols, les portes, les panneaux de plafond et les éléments plus simples comme les papiers et les boîtes ont été construits de manière procédurale avec Three.js.

Au total, Fable a généré ​14 catégories de ressources IA, réparties sur 20 instances​, puis les a combinées avec de la géométrie procédurale pour terminer la pièce.

Fable a également consacré du temps à optimiser les modèles générés. En réduisant le nombre de polygones et en redimensionnant les textures, il a fait passer les ressources sources d'environ 7 millions de triangles à environ 820 000, soit une réduction de ​88,3 %​. Le fichier GLB final faisait environ 41,1 Mo.

Cette approche a permis de conserver une scène relativement légère. Les structures régulières pouvaient être ajustées directement par le code, tandis que le mobilier plus détaillé bénéficiait des capacités de génération 3D de V2Fun. Fable a également conservé les ressources originales et optimisées, ce qui facilitait les modifications et les remplacements ultérieurs.

Le compromis était visible dans la scène finale. Certains éléments modélisés de manière procédurale semblaient beaucoup plus simples que le mobilier généré par IA, laissant apparaître des différences notables de niveau de détail. Fable a également étiré certains modèles de meubles pour les adapter à leur emplacement, ce qui a affecté leurs proportions.

Astra : générer la scène entière avec V2Fun

Astra a adopté une approche davantage axée sur la génération. Il a divisé le bureau en ​26 catégories de ressources sources​, en faisant passer par V2Fun aussi bien les murs et les panneaux de plafond que le mobilier, les équipements, les décorations et les petits objets.

Ces ressources ont été réparties en 62 instances, Three.js étant utilisé pour ajuster leur échelle, leur position, leur orientation et leurs matériaux avant l'exportation de la scène.

Astra a également consacré davantage d'efforts à l'assemblage local. Il a utilisé des surfaces de maillage pour positionner les objets sur le mobilier et d'autres structures de support, ajusté la direction de la porte et du plafond, et corrigé plusieurs problèmes d'espacement et d'occlusion. Les relevés du projet incluaient ​47 relations de contact entre objets​.

La scène obtenue présentait une apparence vieillie plus cohérente. Sa palette de verts atténués et ses surfaces usées se rapprochaient également davantage de l'image de référence originale.

Le coût était une scène beaucoup plus lourde. Même les structures simples comme les murs et les panneaux de plafond étaient générées sous forme de maillages détaillés. Sans passe comparable de réduction des polygones, le GLB final d'Astra atteignait environ 432,6 Mo, avec près de 31 millions de triangles une fois les instances placées comptabilisées.

La géométrie supplémentaire préservait davantage de détails, mais certaines structures régulières présentaient toujours des imprécisions de forme. Des objets répétés et un espacement irrégulier étaient également visibles dans la scène finale.

Astra contre Fable : comparaison des chiffres

Voici comment se comparent les deux projets finaux.

Les chiffres proviennent des fichiers GLB finaux et des relevés du projet. Le nombre de triangles des instances inclut les placements répétés et ne doit pas être considéré comme le nombre réel de triangles rendus par image. Les deux workflows différaient également par l'étendue de la génération ; la taille des fichiers, le nombre de ressources et le temps enregistré ne sont donc pas directement comparables pour mesurer les performances globales des agents.

Fable a produit un projet beaucoup plus petit et plus facile à gérer. Sa combinaison de modélisation procédurale et d'optimisation des ressources a contribué à réduire la taille du fichier tout en laissant la possibilité d'effectuer d'autres ajustements.

Astra a généré davantage de ressources individuelles et consacré plus d'efforts à affiner leur placement. Sa scène conservait beaucoup plus de géométrie, avec des exigences de stockage et de traitement supérieures.

La taille du fichier ne représente toutefois qu'une partie du tableau. Examinons maintenant dans quelle mesure chaque résultat correspond au bureau original.

Image de référence	Fable	Astra

Comparaison des scènes 3D finales

Géométrie et détails : davantage de détails, des compromis différents

En observant les modèles sans textures, Fable a reproduit assez correctement les formes principales des bureaux, des chaises et des bibliothèques. Certains objets plus petits ont toutefois été simplifiés, et quelques zones présentaient une géométrie fusionnée ou un niveau de détail irrégulier.

La scène d'Astra contenait davantage de détails géométriques, aussi bien pour le mobilier que pour les petits éléments. Cependant, plusieurs structures aux arêtes marquées semblaient légèrement adoucies, et certaines formes étaient moins précises que ne pourrait le laisser penser leur niveau de détail.

L'optimisation de Fable a rendu la scène plus facile à gérer, tandis qu'Astra a conservé une plus grande partie de la géométrie générée. Aucune des deux approches n'a complètement résolu les problèmes de forme et de proportions visibles dans les ressources individuelles.

Fable	Astra

Matériaux et atmosphère ; Astra se rapproche davantage de la référence

Le bureau de référence a une apparence distinctive : des tons verts atténués, du mobilier usé, des murs vieillissants et des signes d'utilisation prolongée.

Astra a mieux préservé cette atmosphère. Ses matériaux et son vieillissement étaient relativement cohérents dans toute la pièce, donnant à la scène une ressemblance plus proche de la référence. Certaines surfaces s'appuyaient encore fortement sur des motifs de couleur et de salissure pour suggérer l'âge, avec une variation limitée de la rugosité et des réflexions.

Les matériaux de Fable étaient suffisamment clairs pour distinguer les objets principaux, et la scène présentait une certaine variation entre les tons chauds et froids. Mais plusieurs surfaces semblaient comparativement neuves. Le résultat global ressemblait davantage à un bureau ordinaire en activité, avec moins de l'atmosphère vieillie et confinée visible dans l'original.

Fable	Astra

Agencement de la scène : le mobilier est là, mais la pièce semble différente

Les deux agents ont réussi à identifier le mobilier principal et à l'organiser dans un bureau reconnaissable. Les bureaux, les étagères, les classeurs et les autres objets majeurs étaient généralement placés dans les zones attendues.

Les différences deviennent plus évidentes lorsque l'on compare l'agencement global à la référence.

La pièce originale semble encombrée, avec du mobilier et de petits objets placés à proximité les uns des autres. Les objets au premier plan masquent partiellement la vue de ceux situés derrière, créant une impression de profondeur plus forte et un intérieur plus resserré.

Les deux scènes reconstituées semblent plus spacieuses et ordonnées.

Fable a étiré ou repositionné certains meubles pour que l'agencement fonctionne, modifiant au passage quelques proportions. Astra a effectué davantage de corrections locales sur le placement des objets et les points de contact, mais l'espacement global restait plus lâche que dans la référence.

Les scènes terminées peuvent être ouvertes, inspectées et modifiées. Leur agencement doit toutefois encore être retravaillé pour mieux correspondre à la composition et aux relations spatiales originales.

Qu'est-ce que cela signifie pour les workflows 3D avec l'IA ?

Le test montre deux façons viables de construire une scène 3D complexe avec un agent IA et V2Fun.

Fable a confié les objets complexes à V2Fun, utilisé Three.js pour les structures régulières et optimisé les ressources avant l'assemblage final. Le résultat était un projet plus léger, offrant une voie plus directe pour les modifications ultérieures.

Astra s'est davantage appuyé sur des ressources générées par V2Fun et a effectué des ajustements supplémentaires pendant l'assemblage. Sa scène finale présentait un style visuel plus cohérent et un placement local plus détaillé, bien que la géométrie reste considérablement plus lourde.

Les deux workflows ont produit des scènes de bureau complètes. Tous deux laissaient également apparaître des différences dans les proportions du mobilier, l'espacement des objets, l'occlusion et la composition globale.

Pour améliorer ces résultats, il faudra effectuer de meilleures vérifications par rapport à l'image de référence tout au long du processus d'assemblage. Les proportions de la pièce et le cadrage de la caméra doivent être établis tôt, puis suivis d'ajustements plus précis du placement, de l'occlusion, des matériaux et de l'éclairage.

Pour les projets 3D complexes, la génération des ressources individuelles constitue déjà une part importante du workflow. La manière dont ces ressources sont organisées, positionnées, optimisées et révisées influence tout autant la scène finale.

Pour explorer la génération 3D basée sur des composants dans vos propres workflows d'agents, consultez la page V2Fun AI 3D Skill pour plus de détails.