Astra ve Fable: V2Fun AI 3D Skill ile Karmaşık 3D Sahneler Oluşturma
Bu makale, Astra ve Fable yapay zekâ ajanlarının V2Fun AI 3D Skill'i kullanarak tek bir referans görselinden ayrıntılı bir 3D sahneyi nasıl yeniden oluşturduğunu inceliyor.
Astra ve Fable karşılaştırması: V2Fun AI 3D Skill ile karmaşık 3B sahneler oluşturma
Yapay zekâ ajanları tek bir referans görüntüden karmaşık bir 3B sahneyi ne kadar iyi yeniden oluşturabilir?
Bunu öğrenmek için Astra ve Fable'a aynı dağınık ofis görüntüsünü verdik ve aynı V2Fun AI 3D Skill sürümünü kullanarak bu sahneyi oluşturmalarını istedik. Sahnede mobilyalar, elektronik ekipmanlar, duvar süslemeleri ve düzinelerce küçük nesne bulunuyordu. Her ajanın sahneyi parçalara ayırması, gerekli 3B varlıkları oluşturması ve bunları Three.js'te birleştirmesi gerekiyordu.
Her iki ajan da sahneyi tamamladı, ancak modelleme ve birleştirme konusunda belirgin şekilde farklı yaklaşımlar benimsedi.
Test: Tek sahne, iki iş akışı
Her iki ajan da 3B varlıklar oluşturmak için V2Fun AI 3D Skill kullandı; nihai sahne birleştirmesini ise Three.js gerçekleştirdi.
Her iş akışı incelenmek üzere bir GLB dosyası, kaynak kodu ve ekran görüntüleri oluşturdu. Görev, yapay zekâ tarafından oluşturulan varlıklar ile prosedürel geometrinin birlikte kullanılmasına izin veriyordu.
Fable, yapay zekâ tarafından oluşturulan nesneleri kodla oluşturulan geometriyle birleştiren hibrit bir modelleme yaklaşımı kullandı. Astra ise farklı bir yol izleyerek V2Fun üretimini sahnenin neredeyse her parçasına uyguladı.
Aynı ofisi oluşturmak için iki yaklaşım
Fable: Karmaşık varlıklar için V2Fun, basit yapılar için Three.js
Fable ofisi birkaç gruba ayırdı: oda yapısı, ana mobilyalar, ekipmanlar, duvar süslemeleri ve küçük nesneler.
Masa, ofis sandalyesi, dosya dolabı ve kasetçalar gibi daha karmaşık şekillere sahip nesneleri oluşturmak için V2Fun kullandı. Duvarlar, zeminler, kapılar, tavan panelleri ve kâğıtlar ile kutular gibi daha basit öğeler Three.js ile prosedürel olarak oluşturuldu.
Fable toplamda 14 kategoride yapay zekâ varlığı oluşturdu ve bunları 20 örnekte konumlandırdı, ardından odayı tamamlamak için bunları prosedürel geometriyle birleştirdi.
Fable oluşturulan modelleri optimize etmek için de zaman harcadı. Poligon sayılarını azaltıp dokuları yeniden boyutlandırarak kaynak varlıkları yaklaşık 7 milyon üçgenden yaklaşık 820.000 üçgene indirdi; bu, %88,3 oranında bir azalmaydı. Nihai GLB dosyası yaklaşık 41,1 MB boyutundaydı.
Bu yaklaşım sahneyi görece hafif tuttu. Düzenli yapılar doğrudan kod üzerinden ayarlanabilirken daha ayrıntılı mobilyalar V2Fun'ın 3B oluşturma yeteneklerinden yararlandı. Fable ayrıca hem orijinal hem de optimize edilmiş varlıkları korudu; bu da sonraki düzenlemeleri ve değiştirmeleri kolaylaştırdı.
Bunun karşılığı tamamlanan sahnede görülebiliyordu. Prosedürel olarak modellenen bazı aksesuarlar yapay zekâ tarafından oluşturulan mobilyalardan çok daha basit görünerek ayrıntı düzeylerinde belirgin farklılıklar oluşturdu. Fable ayrıca bazı mobilya modellerini konumlarına uydurmak için esnetti ve bu da oranlarını etkiledi.
Astra: Tüm sahneyi V2Fun ile oluşturma
Astra daha yoğun biçimde oluşturma odaklı bir yaklaşım benimsedi. Ofisi 26 kaynak varlık kategorisine ayırdı ve duvarlar ile tavan panellerinden mobilyalara, ekipmanlara, süslemelere ve küçük nesnelere kadar her şeyi V2Fun üzerinden oluşturdu.
Bu varlıklar 62 örnekte düzenlendi; sahne dışa aktarılmadan önce ölçeklerini, konumlarını, yönelimlerini ve malzemelerini ayarlamak için Three.js kullanıldı.
Astra yerel birleştirmeye de daha fazla emek harcadı. Nesneleri mobilyalar ve diğer destekleyici yapılar üzerinde konumlandırmak için ağ yüzeylerini kullandı, kapı aralığı ile tavanın yönünü ayarladı ve çeşitli aralık ile örtüşme sorunlarını düzeltti. Proje kayıtlarında 47 nesne temas ilişkisi yer aldı.
Ortaya çıkan sahne daha tutarlı, eskimiş bir görünüme sahipti. Soluk yeşil renk paleti ve yıpranmış yüzeyleri de orijinal referansa daha çok yaklaşıyordu.
Bunun bedeli çok daha ağır bir sahneydi. Duvarlar ve tavan panelleri gibi basit yapılar bile ayrıntılı ağlar olarak oluşturuldu. Benzer bir poligon azaltma işleminden geçirilmediği için Astra'nın nihai GLB dosyası yaklaşık 432,6 MB boyutuna ulaştı; konumlandırılmış örnekler hesaba katıldığında yaklaşık 31 milyon üçgen içeriyordu.
Ek geometri daha fazla ayrıntı korudu, ancak bazı düzenli yapılarda hâlâ şekil doğruluğu sorunları görülüyordu. Tekrarlanan nesneler ve düzensiz aralıklar da nihai sahnede fark edilebiliyordu.

Astra ve Fable: Sayılara bakış
İki nihai projenin karşılaştırması şöyle.
| Metrik | Fable + V2Fun | Astra + V2Fun |
|---|---|---|
| Modelleme yaklaşımı | Hibrit yapay zekâ + prosedürel | Tüm bileşenler yapay zekâ tarafından oluşturuldu |
| Yapay zekâ varlığı kategorileri | 14 | 26 |
| Konumlandırılan yapay zekâ varlığı örnekleri | 20 | 62 |
| Nihai GLB boyutu | 41,1 MB | 432,6 MB |
| Benzersiz üçgenler | Yaklaşık 823K | Yaklaşık 13M |
| Örnekler dahil üçgenler | Yaklaşık 1,13M | Yaklaşık 31M |
| Varlık optimizasyonu | Poligon azaltma, doku yeniden boyutlandırma | Yüksek yoğunluklu ağlar büyük ölçüde korundu |
| Birleştirme yaklaşımı | Parametre tabanlı konumlandırma ve doğrulama | Ağ yüzeyi konumlandırması ve temas ayarlamaları |
Rakamlar nihai GLB dosyalarından ve proje kayıtlarından alınmıştır. Örneklenmiş üçgen sayıları tekrarlanan konumlandırmaları içerir ve gerçek kare başına işleme sayıları olarak değerlendirilmemelidir. İki iş akışı oluşturma kapsamı bakımından da farklılık gösterdiğinden dosya boyutu, varlık sayıları ve kaydedilen süre genel ajan performansının doğrudan karşılaştırılabilir ölçüleri değildir.
Fable çok daha küçük ve yönetilebilir bir proje oluşturdu. Prosedürel modelleme ile varlık optimizasyonunun birleşimi, daha sonra yapılacak ayarlamalara alan bırakırken dosya boyutunun düşük tutulmasına yardımcı oldu.
Astra daha fazla sayıda bağımsız varlık oluşturdu ve bunların konumlandırmasını iyileştirmek için daha fazla çaba harcadı. Sahnesi önemli ölçüde daha fazla geometri barındırıyordu; bu da daha yüksek depolama ve işlem gereksinimleri doğurdu.
Ancak dosya boyutu tablonun yalnızca bir parçası. Şimdi her sonucun orijinal ofise ne kadar yakından uyduğuna bakalım.
| Referans görüntü | Fable | Astra |
|---|---|---|
![]() | ![]() | ![]() |
Nihai 3B sahnelerin karşılaştırılması
Geometri ve ayrıntı: Daha fazla ayrıntı, farklı ödünleşimler
Dokusu olmayan modellere bakıldığında Fable, masa, sandalye ve kitaplıkların ana şekillerini makul ölçüde doğru yakaladı. Ancak bazı küçük nesneler basitleştirilmişti ve birkaç bölgede birleşmiş geometri ya da düzensiz ayrıntı görülüyordu.
Astra'nın sahnesi hem mobilyalarda hem de küçük aksesuarlarda daha fazla geometrik ayrıntı içeriyordu. Yine de sert kenarlı bazı yapılar biraz yumuşatılmış görünüyordu ve bazı şekiller, ayrıntı düzeylerinin düşündürebileceğinden daha az doğruydu.
Fable'ın optimizasyonu sahneyi yönetmeyi kolaylaştırırken Astra oluşturulan geometrinin daha fazlasını korudu. Her iki yaklaşım da tek tek varlıklarda görülen şekil ve oran sorunlarını tamamen çözemedi.
| Fable | Astra |
|---|---|
![]() | ![]() |
![]() | ![]() |
Malzemeler ve atmosfer; Astra referansa daha çok yaklaşıyor
Referans ofisin belirgin bir görünümü var: soluk yeşil tonlar, yıpranmış mobilyalar, eskimiş duvarlar ve uzun süreli kullanım izleri.
Astra bu atmosferin daha fazlasını korudu. Malzemeleri ve yıpranma izleri oda genelinde görece tutarlıydı; bu da sahnenin referansa daha çok benzemesini sağladı. Bazı yüzeyler yaşı göstermek için hâlâ büyük ölçüde renk ve kir desenlerine dayanıyordu; pürüzlülük ve yansımalar bakımından çeşitlilik sınırlıydı.
Fable'ın malzemeleri ana nesneleri ayırt etmek için yeterince açıktı ve sahnede sıcak ile soğuk tonlar arasında bir miktar çeşitlilik vardı. Ancak bazı yüzeyler kıyaslandığında daha yeni görünüyordu. Genel sonuç, orijinalde görülen eskimiş ve kapalı atmosferden uzak, daha sıradan bir çalışma ofisi hissi veriyordu.
| Fable | Astra |
|---|---|
![]() | |
![]() | ![]() |
![]() | ![]() |
Sahne düzeni: Mobilyalar orada, ancak oda farklı hissettiriyor
Her iki ajan da ana mobilyaları belirlemeyi ve bunları tanınabilir bir ofis düzeninde birleştirmeyi başardı. Masalar, raflar, dosya dolapları ve diğer büyük nesneler genel olarak beklenen bölgelere yerleştirildi.
Referansla genel düzen karşılaştırıldığında farklılıklar daha belirginleşiyor.
Orijinal oda, mobilyalar ve küçük nesneler birbirine yakın yerleştirildiği için kalabalık görünüyor. Ön plandaki nesneler arkadakilerin görüntüsünü kısmen kapatarak daha güçlü bir derinlik hissi ve daha sıkışık bir iç mekân oluşturuyor.
Yeniden oluşturulan her iki sahne de daha geniş ve düzenli görünüyor.
Fable düzeni çalışır hâle getirmek için bazı mobilyaları esnetti veya yeniden konumlandırdı ve bu süreçte birkaç oranı değiştirdi. Astra nesne konumlarında ve temas noktalarında daha fazla yerel düzeltme yaptı, ancak genel aralıklar yine de referanstakinden daha genişti.
Tamamlanan sahneler açılabilir, incelenebilir ve düzenlenebilir. Ancak düzenlerinin orijinal kompozisyon ve mekânsal ilişkilerle daha iyi eşleşmesi için hâlâ geliştirilmesi gerekiyor.
Bu, yapay zekâ 3B iş akışları için ne anlama geliyor?
Test, bir yapay zekâ ajanı ve V2Fun ile karmaşık bir 3B sahne oluşturmanın uygulanabilir iki yolunu gösteriyor.
Fable karmaşık nesneleri V2Fun'a atadı, düzenli yapılar için Three.js kullandı ve nihai birleştirmeden önce varlıkları optimize etti. Sonuç, sonraki düzenlemeler için daha doğrudan bir yol sunan daha hafif bir projeydi.
Astra V2Fun tarafından oluşturulan varlıklara daha kapsamlı biçimde güvendi ve birleştirme sırasında ek ayarlamalar yaptı. Nihai sahnesi daha tutarlı bir görsel stile ve daha ayrıntılı yerel konumlandırmaya sahipti, ancak geometri önemli ölçüde daha ağır kaldı.
Her iki iş akışı da eksiksiz ofis sahneleri oluşturdu. Her ikisinde de mobilya oranları, nesne aralıkları, örtüşme ve genel kompozisyon bakımından gözle görülür farklılıklar kaldı.
Bu sonuçları iyileştirmek için birleştirme süreci boyunca referans görüntüye karşı daha iyi kontroller yapılması gerekecek. Oda oranları ve kamera kadrajı erkenden belirlenmeli, ardından konumlandırma, örtüşme, malzemeler ve aydınlatma üzerinde daha hassas ayarlamalar yapılmalı.
Karmaşık 3B projelerde tek tek varlıkları oluşturmak zaten iş akışının önemli bir bölümünü oluşturuyor. Bu varlıkların nasıl düzenlendiği, konumlandırıldığı, optimize edildiği ve yeniden düzenlendiği de bitmiş sahne üzerinde en az onlar kadar etkili.
Kendi ajan iş akışlarınızda bileşen tabanlı 3B oluşturmayı keşfetmek için daha fazla bilgi almak üzere V2Fun AI 3D Skill sayfasını ziyaret edin.
SSS
Yapay zekâ ajanları tek bir görüntüden eksiksiz 3D sahneler oluşturabilir mi?
Evet. Bu testte Astra ve Fable, ayrı varlıklar oluşturmak ve Three.js ile bir ofis sahnesi oluşturmak için V2Fun AI 3D Skill'i kullandı. Karmaşık yerleşimler yine de oranlarda, nesnelerin konumlandırılmasında ve mekânsal ilişkilerde ayarlamalar gerektirebilir.
V2Fun AI 3D Skill bu iş akışında ne yapar?
V2Fun, 3D varlık oluşturma olanağı sunar. Yapay zekâ aracısı referansı analiz eder, hangi varlıkların oluşturulacağını planlar, oluşturma aracını çağırır ve birleştirilmiş sahneyi düzenler.
Yapay zekâ tarafından oluşturulan 3B modelleme ile prosedürel 3B modelleme arasındaki fark nedir?
Yapay zekâ ile oluşturma, karmaşık veya düzensiz şekillere sahip nesneler için kullanışlıdır. Prosedürel modelleme, öngörülebilir geometriye, kesin ölçülere veya tekrarlanan desenlere sahip yapılar için iyi sonuç verir. Her iki yaklaşım da birlikte kullanılabilir.
Astra ve Fable göreve nasıl farklı yaklaştı?
Fable, yapay zekâ tarafından oluşturulan varlıkları prosedürel geometriyle birleştirdi ve ardından modelleri optimize etti. Astra, V2Fun aracılığıyla daha geniş bir varlık yelpazesi oluşturdu ve nesnelerin yerleşimini ve temas ilişkilerini ayarlamaya daha fazla çaba harcadı.
Oluşturulan bir 3D sahne neden referans görüntüsünden hâlâ farklı görünebilir?
Genel görünüm, bireysel modellere daha çok bağlıdır. Mobilya oranları, aralıklar, örtüşme, kamera konumu ve aydınlatmanın tümü, tamamlanmış sahnenin referansla ne kadar yakından eşleştiğini etkiler.
















