Astra vs Fable: V2Fun AI 3D Skill 로 복잡한 3D 장면 구축

Astra vs Fable: V2Fun AI 3D Skill로 복잡한 3D 장면 구축하기

AI 에이전트는 하나의 참조 이미지에서 얼마나 복잡한 3D 장면을 재현할 수 있을까요?

이를 알아보기 위해 Astra와 Fable에 동일한 지저분한 사무실 이미지를 제공하고, 동일한 버전의 V2Fun AI 3D Skill을 사용해 장면을 구축하도록 요청했습니다. 장면에는 가구, 전자 장비, 벽 장식 및 수십 개의 작은 물체가 포함되어 있었습니다. 각 에이전트는 장면을 분석하고, 필요한 3D 에셋을 생성한 다음, Three.js에서 이를 조립해야 했습니다.

두 에이전트 모두 장면을 완성했지만, 모델링과 조립 방식은 눈에 띄게 달랐습니다.

테스트: 하나의 장면, 두 가지 워크플로

두 에이전트 모두 V2Fun AI 3D Skill을 사용해 3D 에셋을 생성했으며, 최종 장면 조립에는 Three.js를 사용했습니다.

각 워크플로에서는 검토를 위한 GLB 파일, 소스 코드 및 스크린샷을 생성했습니다. 이 작업에서는 AI 생성 에셋과 절차적 지오메트리를 함께 사용할 수 있었습니다.

Fable은 AI 생성 오브젝트와 코드로 구축한 지오메트리를 결합하는 하이브리드 모델링 방식을 사용했습니다. Astra는 다른 경로를 택해 장면의 거의 모든 부분에 V2Fun 생성을 적용했습니다.

동일한 사무실을 구축하는 두 가지 접근 방식

Fable: V2Fun으로 복잡한 에셋, Three.js로 단순한 구조

Fable은 사무실을 실내 구조, 주요 가구, 장비, 벽 장식 및 작은 오브젝트 등 여러 그룹으로 나누었습니다.

책상, 사무용 의자, 서류 캐비닛, 카세트 레코더 등 더 복잡한 형태의 오브젝트를 생성하는 데 V2Fun을 사용했습니다. 벽, 바닥, 문, 천장 패널 및 종이와 상자 같은 단순한 항목은 Three.js로 절차적으로 구축했습니다.

총 14개 카테고리의 AI 에셋을 생성하고 20개 인스턴스에 배치한 다음, 절차적 지오메트리와 결합해 방을 완성했습니다.

Fable은 생성된 모델을 최적화하는 데도 시간을 들였습니다. 폴리곤 수를 줄이고 텍스처 크기를 조정해 소스 에셋을 약 700만 개의 삼각형에서 약 820,000개로 줄였으며, 이는 88.3% 감소한 수치입니다. 최종 GLB 파일의 크기는 약 41.1 MB였습니다.

이 접근 방식은 장면을 비교적 가볍게 유지했습니다. 일반적인 구조는 코드에서 직접 조정할 수 있었고, 더 세부적인 가구는 V2Fun의 3D 생성 기능을 활용할 수 있었습니다. 또한 Fable은 원본 에셋과 최적화된 에셋을 모두 보존해 추가 편집과 교체를 쉽게 했습니다.

다만 완성된 장면에서는 절충점이 드러났습니다. 절차적으로 모델링된 일부 소품은 AI 생성 가구보다 훨씬 단순해 보여 디테일에 눈에 띄는 차이가 있었습니다. Fable은 일부 가구 모델을 위치에 맞추기 위해 늘리기도 했으며, 이로 인해 비율이 달라졌습니다.

Astra: V2Fun으로 전체 장면 생성

Astra는 생성에 더 크게 의존하는 접근 방식을 사용했습니다. 벽과 천장 패널부터 가구, 장비, 장식 및 작은 오브젝트까지 사무실을 26개 카테고리의 소스 에셋으로 나누고, 모든 항목을 V2Fun으로 전송했습니다.

이러한 에셋은 62개 인스턴스로 배치했으며, 장면을 내보내기 전에 Three.js를 사용해 크기, 위치, 방향 및 재질을 조정했습니다.

Astra는 로컬 조립에도 더 많은 작업을 수행했습니다. 메시 표면을 사용해 가구와 기타 지지 구조물 위에 오브젝트를 배치하고, 출입구와 천장의 방향을 조정했으며, 간격과 오클루전 문제도 여러 건 수정했습니다. 프로젝트 기록에는 47개의 오브젝트 접촉 관계가 포함되어 있었습니다.

그 결과 장면은 더욱 일관된 오래된 분위기를 갖게 되었습니다. 차분한 녹색 팔레트와 낡은 표면도 원본 참조에 더 가까웠습니다.

그 대가로 장면은 훨씬 무거워졌습니다. 벽과 천장 패널 같은 단순한 구조도 세밀한 메시로 생성되었습니다. 이에 상응하는 폴리곤 감소 작업이 없었기 때문에, 배치된 인스턴스를 포함해 Astra의 최종 GLB는 약 432.6 MB에 달했고 삼각형 수는 약 3,100만 개였습니다.

추가 지오메트리는 더 많은 디테일을 보존했지만, 일부 일반적인 구조에서는 여전히 형태의 부정확성이 나타났습니다. 최종 장면에서는 반복되는 오브젝트와 고르지 않은 간격도 확인되었습니다.

Astra vs Fable: 수치로 비교하기

두 최종 프로젝트를 비교하면 다음과 같습니다.

수치는 최종 GLB 파일과 프로젝트 기록에서 가져온 것입니다. 인스턴스 삼각형 수에는 반복 배치가 포함되며, 실제 프레임별 렌더링 수로 간주해서는 안 됩니다. 또한 두 워크플로는 생성 범위가 달랐으므로 파일 크기, 에셋 수 및 기록된 시간은 전체 에이전트 성능을 직접 비교할 수 있는 지표가 아닙니다.

Fable은 훨씬 작고 관리하기 쉬운 프로젝트를 만들었습니다. 절차적 모델링과 에셋 최적화를 결합해 파일 크기를 줄이면서도 추가 조정을 위한 여지를 남겼습니다.

Astra는 더 많은 개별 에셋을 생성하고 배치를 다듬는 데 더 많은 노력을 들였습니다. 장면에 상당히 많은 지오메트리가 남아 있어 저장 공간과 처리 요구 사항이 더 높았습니다.

하지만 파일 크기는 전체 상황의 일부일 뿐입니다. 각 결과가 원본 사무실과 얼마나 비슷한지 살펴보겠습니다.

참조 이미지	Fable	Astra

최종 3D 장면 비교

지오메트리와 디테일: 더 많은 디테일, 서로 다른 절충점

텍스처가 적용되지 않은 모델을 보면 Fable은 책상, 의자 및 책장의 주요 형태를 상당히 잘 포착했습니다. 그러나 일부 작은 오브젝트는 단순화되었고, 몇몇 영역에서는 지오메트리가 합쳐지거나 디테일이 고르지 않았습니다.

Astra의 장면은 가구와 작은 소품 모두에서 더 많은 기하학적 디테일을 포함했습니다. 그러나 여러 날카로운 모서리의 구조가 약간 부드럽게 표현되었고, 일부 형태는 디테일 수준에서 기대할 수 있는 것보다 정확도가 낮았습니다.

Fable의 최적화는 장면을 더 쉽게 관리할 수 있게 했고, Astra는 생성된 지오메트리를 더 많이 유지했습니다. 어느 접근 방식도 개별 에셋에서 보이는 형태와 비율 문제를 완전히 해결하지는 못했습니다.

Fable	Astra

재질과 분위기; Astra가 참조에 더 가까움

참조 사무실은 차분한 녹색 톤, 낡은 가구, 오래된 벽 및 오랜 사용의 흔적이라는 독특한 모습을 갖고 있습니다.

Astra는 이러한 분위기를 더 많이 보존했습니다. 재질과 풍화 표현이 방 전체에서 비교적 일관되어 장면이 참조 이미지와 더 가까워 보였습니다. 일부 표면은 여전히 색상과 오염 패턴에 크게 의존해 오래된 느낌을 표현했으며, 거칠기와 반사의 변화는 제한적이었습니다.

Fable의 재질은 주요 오브젝트를 구분하기에 충분히 명확했고, 장면에는 따뜻한 톤과 차가운 톤 사이의 변화도 있었습니다. 그러나 여러 표면이 상대적으로 새것처럼 보였습니다. 전체적인 결과는 원본에서 보이는 오래되고 밀폐된 분위기가 덜한, 평범한 업무 공간에 더 가까웠습니다.

Fable	Astra

장면 배치: 가구는 있지만 방의 느낌은 다름

두 에이전트 모두 주요 가구를 식별하고 알아볼 수 있는 사무실로 배치했습니다. 책상, 선반, 서류 캐비닛 및 기타 주요 오브젝트는 대체로 예상되는 영역에 배치되었습니다.

참조 이미지와 전체적인 배치를 비교하면 차이가 더 분명해집니다.

원래 방은 가구와 작은 오브젝트가 서로 가까이 배치되어 복잡한 느낌을 줍니다. 전경의 오브젝트가 뒤에 있는 오브젝트를 부분적으로 가려 더 강한 깊이감과 더 빽빽한 실내 공간을 만듭니다.

두 재구성 장면은 더 넓고 정돈되어 보입니다.

Fable은 배치를 맞추기 위해 일부 가구를 늘리거나 위치를 변경했으며, 그 과정에서 몇 가지 비율이 달라졌습니다. Astra는 오브젝트 배치와 접촉 지점을 더 많이 국소적으로 수정했지만, 전체적인 간격은 여전히 참조 이미지보다 넓었습니다.

완성된 장면은 열어 보고, 검사하고, 편집할 수 있습니다. 그러나 원본 구성과 공간적 관계를 더 잘 맞추려면 배치를 계속 개선해야 합니다.

AI 3D 워크플로에 이것은 무엇을 의미할까요?

이번 테스트는 AI 에이전트와 V2Fun을 사용해 복잡한 3D 장면을 구축하는 두 가지 실용적인 방법을 보여줍니다.

Fable은 복잡한 오브젝트를 V2Fun에 맡기고, 일반적인 구조에는 Three.js를 사용했으며, 최종 조립 전에 에셋을 최적화했습니다. 그 결과 추가 편집을 더 간단하게 진행할 수 있는 가벼운 프로젝트가 만들어졌습니다.

Astra는 V2Fun으로 생성한 에셋에 더 광범위하게 의존했고 조립 중에 추가 조정을 수행했습니다. 최종 장면은 더 일관된 시각적 스타일과 더 세밀한 로컬 배치를 보여주었지만, 지오메트리는 상당히 더 무거웠습니다.

두 워크플로 모두 완성된 사무실 장면을 생성했습니다. 또한 두 방식 모두 가구 비율, 오브젝트 간격, 오클루전 및 전체 구성에서 눈에 띄는 차이를 남겼습니다.

이러한 결과를 개선하려면 조립 과정 전반에서 참조 이미지와 더 잘 대조해야 합니다. 실내 비율과 카메라 프레이밍을 초기에 설정한 뒤, 배치, 오클루전, 재질 및 조명을 더 세밀하게 조정해야 합니다.

복잡한 3D 프로젝트에서 개별 에셋을 생성하는 일은 이미 워크플로의 상당한 부분을 차지합니다. 이러한 에셋을 구성하고, 배치하고, 최적화하고, 수정하는 방식은 완성된 장면에 그만큼 큰 영향을 미칩니다.

자신의 에이전트 워크플로에서 구성 요소 기반 3D 생성을 살펴보려면 V2Fun AI 3D Skill 페이지에서 자세한 내용을 확인하세요.