Astra vs Fable: Membangun Adegan 3D Kompleks dengan Skill AI 3D V2Fun
Artikel ini membahas bagaimana agen AI Astra dan Fable menciptakan ulang adegan 3D yang mendetail dari satu gambar referensi menggunakan V2Fun AI 3D Skill.
Astra vs Fable: Membangun Adegan 3D Kompleks dengan V2Fun AI 3D Skill
Seberapa baik agen AI dapat membuat ulang adegan 3D kompleks dari satu gambar referensi?
Untuk mengetahuinya, kami memberikan gambar kantor yang berantakan kepada Astra dan Fable, lalu meminta keduanya membangunnya menggunakan versi V2Fun AI 3D Skill yang sama. Adegan tersebut mencakup furnitur, peralatan elektronik, dekorasi dinding, dan lusinan objek yang lebih kecil. Setiap agen harus menguraikan adegan, membuat aset 3D yang diperlukan, dan merakitnya di Three.js.
Kedua agen berhasil menyelesaikan adegan tersebut, tetapi menggunakan pendekatan yang cukup berbeda dalam pemodelan dan perakitannya.
Pengujian: Satu Adegan, Dua Alur Kerja
Kedua agen menggunakan V2Fun AI 3D Skill untuk membuat aset 3D, dengan Three.js yang menangani perakitan adegan akhir.
Setiap alur kerja menghasilkan file GLB, kode sumber, dan tangkapan layar untuk diperiksa. Tugas ini memungkinkan kombinasi aset yang dibuat AI dan geometri prosedural.
Fable menggunakan pendekatan pemodelan hibrida, menggabungkan objek yang dibuat AI dengan geometri yang dibangun dalam kode. Astra mengambil jalur berbeda, memperluas pembuatan V2Fun ke hampir setiap bagian adegan.
Dua Pendekatan untuk Membangun Kantor yang Sama
Fable: Aset Kompleks dengan V2Fun, Struktur Sederhana dengan Three.js
Fable membagi kantor menjadi beberapa kelompok: struktur ruangan, furnitur utama, peralatan, dekorasi dinding, dan objek yang lebih kecil.
Fable menggunakan V2Fun untuk membuat objek dengan bentuk yang lebih kompleks, termasuk meja, kursi kantor, lemari arsip, dan perekam kaset. Dinding, lantai, pintu, panel langit-langit, serta item yang lebih sederhana seperti kertas dan kotak dibangun secara prosedural dengan Three.js.
Secara keseluruhan, Fable membuat 14 kategori aset AI, yang ditempatkan dalam 20 instance, lalu menggabungkannya dengan geometri prosedural untuk menyelesaikan ruangan.
Fable juga meluangkan waktu untuk mengoptimalkan model yang dibuat. Dengan mengurangi jumlah poligon dan mengubah ukuran tekstur, Fable mengurangi aset sumber dari sekitar 7 juta segitiga menjadi sekitar 820.000, pengurangan sebesar 88.3%. File GLB akhir berukuran sekitar 41.1 MB.
Pendekatan ini membuat adegan relatif ringan. Struktur biasa dapat disesuaikan langsung melalui kode, sementara furnitur yang lebih detail memperoleh manfaat dari kemampuan pembuatan 3D V2Fun. Fable juga menyimpan aset asli dan aset yang telah dioptimalkan, sehingga pengeditan dan penggantian lebih lanjut menjadi lebih mudah.
Komprominya terlihat pada adegan akhir. Beberapa properti yang dimodelkan secara prosedural terlihat jauh lebih sederhana daripada furnitur yang dibuat AI, sehingga menimbulkan perbedaan detail yang kentara. Fable juga meregangkan model furnitur tertentu agar sesuai dengan posisinya, yang memengaruhi proporsinya.
Astra: Membuat Seluruh Adegan dengan V2Fun
Astra menggunakan pendekatan yang lebih berfokus pada pembuatan. Astra membagi kantor menjadi 26 kategori aset sumber, lalu mengirimkan semuanya, mulai dari dinding dan panel langit-langit hingga furnitur, peralatan, dekorasi, dan objek kecil, melalui V2Fun.
Aset-aset ini disusun menjadi 62 instance, dengan Three.js yang digunakan untuk menyesuaikan skala, posisi, orientasi, dan materialnya sebelum mengekspor adegan.
Astra juga melakukan lebih banyak pekerjaan dalam perakitan lokal. Astra menggunakan permukaan mesh untuk menempatkan objek di atas furnitur dan struktur pendukung lainnya, menyesuaikan arah pintu dan langit-langit, serta memperbaiki sejumlah masalah jarak dan oklusi. Catatan proyek mencakup 47 hubungan kontak objek.
Adegan yang dihasilkan memiliki tampilan usang yang lebih konsisten. Palet hijaunya yang redup dan permukaan yang terlihat aus juga lebih mendekati referensi asli.
Konsekuensinya adalah adegan yang jauh lebih berat. Bahkan struktur sederhana seperti dinding dan panel langit-langit dibuat sebagai mesh yang detail. Tanpa proses pengurangan poligon yang sebanding, GLB akhir Astra mencapai sekitar 432.6 MB, dengan sekitar 31 juta segitiga ketika instance yang ditempatkan turut dihitung.
Geometri tambahan mempertahankan lebih banyak detail, tetapi beberapa struktur biasa masih menunjukkan ketidakakuratan bentuk. Objek yang berulang dan jarak yang tidak merata juga terlihat pada adegan akhir.

Astra vs Fable: Melihat Angkanya
Berikut perbandingan kedua proyek akhir tersebut.
| Metrik | Fable + V2Fun | Astra + V2Fun |
|---|---|---|
| Pendekatan pemodelan | AI hibrida + prosedural | Semua komponen dibuat AI |
| Kategori aset AI | 14 | 26 |
| Instance aset AI yang ditempatkan | 20 | 62 |
| Ukuran GLB akhir | 41.1 MB | 432.6 MB |
| Segitiga unik | Sekitar 823K | Sekitar 13M |
| Segitiga termasuk instance | Sekitar 1.13M | Sekitar 31M |
| Pengoptimalan aset | Pengurangan poligon, pengubahan ukuran tekstur | Mesh berdensitas tinggi sebagian besar dipertahankan |
| Pendekatan perakitan | Penempatan dan validasi berbasis parameter | Pemosisian pada permukaan mesh dan penyesuaian kontak |
Angka-angka tersebut berasal dari file GLB akhir dan catatan proyek. Jumlah segitiga instance mencakup penempatan berulang dan tidak boleh dianggap sebagai jumlah rendering aktual per frame. Kedua alur kerja juga berbeda dalam cakupan pembuatan, sehingga ukuran file, jumlah aset, dan waktu yang tercatat bukan ukuran yang dapat dibandingkan secara langsung untuk menilai performa agen secara keseluruhan.
Fable menghasilkan proyek yang jauh lebih kecil dan lebih mudah dikelola. Kombinasi pemodelan prosedural dan pengoptimalan aset membantu menjaga ukuran file tetap rendah sekaligus menyediakan ruang untuk penyesuaian lebih lanjut.
Astra menghasilkan lebih banyak aset individual dan mencurahkan lebih banyak upaya untuk menyempurnakan penempatannya. Adegannya mempertahankan jauh lebih banyak geometri, dengan kebutuhan penyimpanan dan pemrosesan yang lebih tinggi.
Namun, ukuran file hanyalah salah satu bagian dari gambaran keseluruhan. Mari kita lihat seberapa dekat setiap hasil dengan kantor aslinya.
| Gambar Referensi | Fable | Astra |
|---|---|---|
![]() | ![]() | ![]() |
Membandingkan Adegan 3D Akhir
Geometri dan Detail: Lebih Banyak Detail, Kompromi yang Berbeda
Saat melihat model tanpa tekstur, Fable menangkap bentuk utama meja, kursi, dan rak buku dengan cukup baik. Namun, beberapa objek yang lebih kecil disederhanakan, dan beberapa area menunjukkan geometri yang menyatu atau detail yang tidak merata.
Adegan Astra memiliki lebih banyak detail geometris pada furnitur maupun properti kecil. Namun, beberapa struktur dengan tepi keras tampak sedikit melunak, dan beberapa bentuk kurang akurat dibandingkan dengan tingkat detail yang ditampilkannya.
Pengoptimalan Fable membuat adegan lebih mudah dikelola, sementara Astra mempertahankan lebih banyak geometri yang dibuat. Tidak satu pun dari kedua pendekatan tersebut sepenuhnya mengatasi masalah bentuk dan proporsi yang terlihat pada aset individual.
| Fable | Astra |
|---|---|
![]() | ![]() |
![]() | ![]() |
Material dan Suasana; Astra Lebih Mendekati Referensi
Kantor referensi memiliki tampilan yang khas: nuansa hijau redup, furnitur yang aus, dinding yang menua, dan tanda-tanda penggunaan jangka panjang.
Astra mempertahankan lebih banyak suasana tersebut. Material dan efek usangnya relatif konsisten di seluruh ruangan, sehingga adegannya lebih menyerupai referensi. Beberapa permukaan masih sangat mengandalkan warna dan pola kotoran untuk menunjukkan usia, dengan variasi kekasaran dan pantulan yang terbatas.
Material Fable cukup jelas untuk membedakan objek utama, dan adegannya memiliki sejumlah variasi antara nuansa hangat dan dingin. Namun, beberapa permukaan terlihat relatif baru. Hasil keseluruhannya terasa lebih seperti kantor biasa yang sedang digunakan, dengan suasana usang dan tertutup yang lebih sedikit dibandingkan dengan aslinya.
| Fable | Astra |
|---|---|
![]() | |
![]() | ![]() |
![]() | ![]() |
Tata Letak Adegan: Furniturnya Ada, tetapi Ruangannya Terasa Berbeda
Kedua agen berhasil mengidentifikasi furnitur utama dan menatanya menjadi kantor yang mudah dikenali. Meja, rak, lemari arsip, dan objek utama lainnya secara umum ditempatkan di area yang diharapkan.
Perbedaannya menjadi lebih jelas saat membandingkan tata letak keseluruhan dengan referensi.
Ruangan asli terasa padat, dengan furnitur dan objek yang lebih kecil ditempatkan berdekatan. Objek di latar depan sebagian menghalangi pandangan terhadap objek di belakangnya, sehingga menciptakan kesan kedalaman yang lebih kuat dan interior yang lebih rapat.
Kedua adegan hasil rekonstruksi terlihat lebih luas dan teratur.
Fable meregangkan atau mengubah posisi beberapa furnitur agar penataannya dapat berfungsi, sehingga mengubah sejumlah proporsi. Astra melakukan lebih banyak koreksi lokal pada penempatan objek dan titik kontak, tetapi jarak keseluruhannya masih lebih renggang daripada referensi.
Adegan yang telah selesai dapat dibuka, diperiksa, dan diedit. Namun, tata letaknya masih perlu diperbaiki agar lebih sesuai dengan komposisi dan hubungan spasial aslinya.
Apa Arti Semua Ini bagi Alur Kerja 3D AI?
Pengujian ini menunjukkan dua cara yang dapat digunakan untuk membangun adegan 3D kompleks dengan agen AI dan V2Fun.
Fable menyerahkan objek kompleks kepada V2Fun, menggunakan Three.js untuk struktur biasa, dan mengoptimalkan aset sebelum perakitan akhir. Hasilnya adalah proyek yang lebih ringan dengan jalur yang lebih mudah untuk pengeditan lebih lanjut.
Astra lebih banyak mengandalkan aset yang dibuat V2Fun dan melakukan penyesuaian tambahan selama perakitan. Adegan akhirnya memiliki gaya visual yang lebih konsisten dan penempatan lokal yang lebih detail, meskipun geometrinya tetap jauh lebih berat.
Kedua alur kerja menghasilkan adegan kantor yang lengkap. Keduanya juga masih menyisakan perbedaan yang terlihat pada proporsi furnitur, jarak objek, oklusi, dan komposisi keseluruhan.
Untuk meningkatkan hasil ini, diperlukan pemeriksaan yang lebih baik terhadap gambar referensi selama proses perakitan. Proporsi ruangan dan pembingkaian kamera perlu ditetapkan sejak awal, kemudian diikuti dengan penyesuaian yang lebih saksama pada penempatan, oklusi, material, dan pencahayaan.
Untuk proyek 3D kompleks, membuat aset individual sudah menjadi bagian penting dari alur kerja. Cara aset-aset tersebut diatur, ditempatkan, dioptimalkan, dan direvisi memiliki pengaruh yang sama besarnya terhadap adegan akhir.
Untuk mengeksplorasi pembuatan 3D berbasis komponen dalam alur kerja agen Anda sendiri, kunjungi halaman V2Fun AI 3D Skill untuk informasi selengkapnya.
Pertanyaan Umum
Apakah agen AI dapat menghasilkan adegan 3D lengkap dari satu gambar?
Ya. Dalam pengujian ini, Astra dan Fable sama-sama menggunakan V2Fun AI 3D Skill untuk menghasilkan aset individual dan menyusun adegan kantor dengan Three.js. Tata letak yang kompleks mungkin masih memerlukan penyesuaian pada proporsi, penempatan objek, dan hubungan spasial.
Apa fungsi V2Fun AI 3D Skill dalam alur kerja ini?
V2Fun menyediakan kemampuan pembuatan aset 3D. Agen AI menganalisis referensi, merencanakan aset mana yang akan dibuat, memanggil alat pembuatan, dan mengatur adegan yang telah dirakit.
Apa perbedaan antara pemodelan 3D yang dihasilkan AI dan pemodelan 3D prosedural?
Generasi AI berguna untuk objek dengan bentuk yang kompleks atau tidak beraturan. Pemodelan prosedural bekerja dengan baik untuk struktur dengan geometri yang dapat diprediksi, dimensi yang presisi, atau pola yang berulang. Kedua pendekatan dapat digunakan bersama.
Bagaimana Astra dan Fable menyikapi tugas tersebut secara berbeda?
Fable menggabungkan aset yang dihasilkan AI dengan geometri prosedural dan mengoptimalkan model setelahnya. Astra menghasilkan lebih banyak variasi aset melalui V2Fun dan mengerahkan lebih banyak upaya untuk menyesuaikan penempatan objek serta hubungan kontak.
Mengapa adegan 3D yang dihasilkan masih dapat terlihat berbeda dari gambar referensinya?
Tampilan keseluruhan lebih bergantung pada model masing-masing. Proporsi furnitur, jarak, oklusi, posisi kamera, dan pencahayaan semuanya memengaruhi seberapa mirip hasil akhir adegan dengan referensi.
















