Astra kontra Fable: Skapa komplexa 3D-scener med V2Fun AI:s 3D-funktion

Astra jämfört med Fable: Att bygga komplexa 3D-scener med V2Fun AI 3D Skill

Hur väl kan AI-agenter återskapa en komplex 3D-scen från en enda referensbild?

För att ta reda på det gav vi Astra och Fable samma bild av ett rörigt kontor och bad dem bygga det med samma version av V2Fun AI 3D Skill. Scenen innehöll möbler, elektronisk utrustning, väggdekorationer och dussintals mindre objekt. Varje agent behövde bryta ner scenen, generera nödvändiga 3D-tillgångar och sammanställa dem i Three.js.

Båda agenterna slutförde scenen, men använde märkbart olika metoder för modellering och sammanställning.

Testet: En scen, två arbetsflöden

Båda agenterna använde V2Fun AI 3D Skill för att generera 3D-tillgångar, medan Three.js hanterade den slutliga sammanställningen av scenen.

Varje arbetsflöde producerade en GLB-fil, källkod och skärmbilder för granskning. Uppgiften tillät en kombination av AI-genererade tillgångar och procedurell geometri.

Fable använde en hybridmetod för modellering, där AI-genererade objekt kombinerades med geometri som byggdes i kod. Astra valde en annan väg och utökade V2Fun-genereringen till nästan varje del av scenen.

Två metoder för att bygga samma kontor

Fable: Komplexa tillgångar med V2Fun, enkla strukturer med Three.js

Fable delade upp kontoret i flera grupper: rumsstruktur, huvudmöbler, utrustning, väggdekorationer och mindre objekt.

V2Fun användes för att generera objekt med mer komplexa former, bland annat skrivbord, kontorsstolar, arkivskåp och en bandspelare. Väggar, golv, dörrar, takpaneler och enklare föremål som papper och lådor byggdes procedurellt med Three.js.

Totalt genererade Fable ​14 kategorier av AI-tillgångar, placerade i 20 instanser​, som sedan kombinerades med procedurell geometri för att färdigställa rummet.

Fable lade också tid på att optimera de genererade modellerna. Genom att minska antalet polygoner och ändra storlek på texturer minskade antalet trianglar i källresurserna från ungefär 7 miljoner till cirka 820 000, en minskning med ​88,3 %​. Den slutliga GLB-filen var ungefär 41,1 MB.

Den här metoden höll scenen relativt lätt. Regelbundna strukturer kunde justeras direkt genom kod, medan mer detaljerade möbler drog nytta av V2Funs 3D-genereringsfunktioner. Fable behöll också både de ursprungliga och de optimerade tillgångarna, vilket gjorde fortsatta redigeringar och byten enklare.

Kompromissen syntes i den färdiga scenen. Vissa procedurellt modellerade rekvisita såg mycket enklare ut än de AI-genererade möblerna, vilket skapade märkbara skillnader i detaljnivå. Fable sträckte också ut vissa möbelmodeller för att passa deras positioner, vilket påverkade proportionerna.

Astra: Generera hela scenen med V2Fun

Astra använde en mer genereringsintensiv metod. Kontoret delades upp i ​26 kategorier av källtillgångar​, och allt från väggar och takpaneler till möbler, utrustning, dekorationer och små objekt skickades genom V2Fun.

Dessa tillgångar arrangerades i 62 instanser, där Three.js användes för att justera deras skala, position, orientering och material innan scenen exporterades.

Astra lade också mer arbete på lokal sammanställning. Meshytor användes för att placera objekt på möbler och andra stödjande strukturer, riktningen på dörröppningen och taket justerades, och flera problem med avstånd och ocklusion korrigerades. Projektets dokumentation innehöll ​47 kontaktrelationer mellan objekt​.

Den resulterande scenen hade ett mer enhetligt åldrat utseende. Den dämpade gröna färgpaletten och de slitna ytorna kom också närmare originalreferensen.

Kostnaden var en betydligt tyngre scen. Även enkla strukturer som väggar och takpaneler genererades som detaljerade meshobjekt. Utan en jämförbar polygonreducering nådde Astras slutliga GLB ungefär 432,6 MB, med omkring 31 miljoner trianglar när placerade instanser räknades med.

Den extra geometrin bevarade fler detaljer, men vissa regelbundna strukturer visade fortfarande formfel. Upprepade objekt och ojämna avstånd syntes också i den slutliga scenen.

Astra jämfört med Fable: En titt på siffrorna

Så här står sig de två slutliga projekten mot varandra.

Siffrorna kommer från de slutliga GLB-filerna och projektdokumentationen. Triangelantal för instanser inkluderar upprepade placeringar och ska inte betraktas som faktiska renderingsantal per bildruta. De två arbetsflödena skilde sig också åt i genereringens omfattning, så filstorlek, antal tillgångar och uppmätt tid är inte direkt jämförbara mått på agenternas övergripande prestanda.

Fable producerade ett mycket mindre och mer lätthanterligt projekt. Kombinationen av procedurell modellering och tillgångsoptimering bidrog till att hålla filstorleken nere samtidigt som det fanns utrymme för fortsatta justeringar.

Astra genererade fler individuella tillgångar och lade mer arbete på att förfina deras placering. Scenen behöll betydligt mer geometri, vilket innebar högre krav på lagring och bearbetning.

Filstorleken är dock bara en del av bilden. Låt oss titta på hur väl varje resultat överensstämmer med originalkontoret.

Referensbild	Fable	Astra

Jämförelse av de slutliga 3D-scenerna

Geometri och detaljnivå: Mer detaljer, andra kompromisser

När man tittar på de ot texturerade modellerna fångade Fable huvudformerna hos skrivborden, stolarna och bokhyllorna ganska väl. Vissa mindre objekt förenklades dock, och på några områden syntes sammanfogad geometri eller ojämn detaljnivå.

Astras scen innehöll mer geometriska detaljer i både möbler och mindre rekvisita. Flera strukturer med skarpa kanter såg ändå något avrundade ut, och vissa former var mindre exakta än deras detaljnivå kunde antyda.

Fables optimering gjorde scenen enklare att hantera, medan Astra behöll mer av den genererade geometrin. Ingen av metoderna löste helt problemen med form och proportioner som syntes i de enskilda tillgångarna.

Fable	Astra

Material och atmosfär; Astra kommer närmare referensen

Referenskontoret har ett särpräglat utseende: dämpade gröna toner, slitna möbler, åldrade väggar och tecken på långvarig användning.

Astra bevarade mer av den atmosfären. Materialen och väderpåverkan var relativt enhetliga i hela rummet, vilket gav scenen större likhet med referensen. Vissa ytor förlitade sig fortfarande kraftigt på färg- och smutsmönster för att antyda ålder, med begränsad variation i strävhet och reflektioner.

Fables material var tillräckligt tydliga för att skilja huvudobjekten åt, och scenen hade viss variation mellan varma och kalla toner. Men flera ytor såg jämförelsevis nya ut. Det övergripande resultatet kändes mer som ett vanligt fungerande kontor, med mindre av den åldrade, slutna atmosfär som syntes i originalet.

Fable	Astra

Scenens layout: Möblerna finns där, men rummet känns annorlunda

Båda agenterna lyckades identifiera huvudmöblerna och arrangera dem till ett igenkännbart kontor. Skrivbord, hyllor, arkivskåp och andra större objekt placerades i allmänhet på de förväntade platserna.

Skillnaderna blir tydligare när den övergripande layouten jämförs med referensen.

Originalrummet känns trångt, med möbler och mindre objekt placerade nära varandra. Objekt i förgrunden blockerar delvis sikten mot objekten bakom dem, vilket skapar en starkare känsla av djup och en tätare interiör.

Båda de rekonstruerade scenerna ser rymligare och mer ordnade ut.

Fable sträckte ut eller flyttade vissa möbler för att få arrangemanget att fungera, vilket förändrade några proportioner på vägen. Astra gjorde fler lokala korrigeringar av objektplacering och kontaktpunkter, men den övergripande placeringen var fortfarande luftigare än i referensen.

De färdiga scenerna kan öppnas, granskas och redigeras. Deras layouter behöver dock fortfarande bearbetas för att bättre överensstämma med originalets komposition och rumsliga relationer.

Vad innebär detta för AI-arbetsflöden för 3D?

Testet visar två fungerande sätt att bygga en komplex 3D-scen med en AI-agent och V2Fun.

Fable tilldelade komplexa objekt till V2Fun, använde Three.js för regelbundna strukturer och optimerade tillgångarna före den slutliga sammanställningen. Resultatet blev ett lättare projekt med en enklare väg till fortsatt redigering.

Astra förlitade sig mer omfattande på V2Fun-genererade tillgångar och gjorde ytterligare justeringar under sammanställningen. Den slutliga scenen hade en mer enhetlig visuell stil och mer detaljerad lokal placering, även om geometrin fortfarande var betydligt tyngre.

Båda arbetsflödena producerade kompletta kontorsscener. Båda hade också synliga skillnader i möblernas proportioner, objektens avstånd, ocklusion och övergripande komposition.

För att förbättra dessa resultat krävs bättre kontroller mot referensbilden under hela sammanställningsprocessen. Rummets proportioner och kamerainramningen behöver fastställas tidigt, följt av noggrannare justeringar av placering, ocklusion, material och belysning.

För komplexa 3D-projekt är genereringen av de individuella tillgångarna redan en betydande del av arbetsflödet. Hur dessa tillgångar organiseras, placeras, optimeras och revideras har lika stor inverkan på den färdiga scenen.

Om du vill utforska komponentbaserad 3D-generering i dina egna agentarbetsflöden kan du besöka sidan för V2Fun AI 3D Skill för mer information.