Astra vs Fable：使用 V2Fun AI 3D 技能打造複雜的 3D 場景

Astra 與 Fable：使用 V2Fun AI 3D Skill 建立複雜的 3D 場景

AI 代理程式能多準確地從單張參考圖片重建複雜的 3D 場景？

為了找出答案，我們給 Astra 和 Fable 同一張雜亂辦公室的圖片，並要求它們使用相同版本的 V2Fun AI 3D Skill 進行建模。場景中包含家具、電子設備、牆面裝飾，以及數十個較小的物件。每個代理程式都必須拆解場景、生成必要的 3D 資產，並在 Three.js 中組裝這些資產。

兩個代理程式都完成了場景，但在建模和組裝方面採用了明顯不同的方法。

測試：一個場景，兩種工作流程

兩個代理程式都使用 V2Fun AI 3D Skill 生成 3D 資產，再由 Three.js 負責最後的場景組裝。

每種工作流程都產出一個 GLB 檔案、原始程式碼，以及供檢查的螢幕截圖。任務允許結合 AI 生成的資產與程序化幾何。

Fable 採用混合建模方法，將 AI 生成的物件與以程式碼建立的幾何結合。Astra 則採取不同路線，將 V2Fun 生成延伸到場景中的幾乎每個部分。

建立相同辦公室的兩種方法

Fable：使用 V2Fun 建立複雜資產，使用 Three.js 建立簡單結構

Fable 將辦公室分成數個群組：房間結構、主要家具、設備、牆面裝飾，以及較小的物件。

它使用 V2Fun 生成形狀較複雜的物件，包括辦公桌、辦公椅、檔案櫃和錄音機。牆壁、地板、門、天花板面板，以及紙張和紙箱等較簡單的物品，則使用 Three.js 以程序化方式建立。

總計而言，Fable 生成了 ​14 類 AI 資產，分布於 20 個實例中​，接著將這些資產與程序化幾何結合，以完成房間。

Fable 也花時間最佳化生成的模型。透過減少多邊形數量和調整紋理大小，它將來源資產從約 700 萬個三角形降至約 82 萬個，減少了 ​88.3%​。最終的 GLB 檔案大小約為 41.1 MB。

這種方法讓場景相對輕量。一般結構可以直接透過程式碼調整，而較詳細的家具則受益於 V2Fun 的 3D 生成功能。Fable 也保留了原始和最佳化後的資產，讓後續編輯與替換更加容易。

這種方法的取捨在完成的場景中很明顯。部分程序化建模的道具比 AI 生成的家具簡單許多，造成細節上的明顯差異。Fable 也拉伸了某些家具模型以符合其位置，影響了模型的比例。

Astra：使用 V2Fun 生成整個場景

Astra 採用了更依賴生成的方法。它將辦公室分成 ​26 類來源資產​，從牆壁和天花板面板，到家具、設備、裝飾和小型物件，全部透過 V2Fun 生成。

這些資產被安排成 62 個實例，再使用 Three.js 調整其縮放、位置、方向和材質，最後匯出場景。

Astra 也投入更多工作進行局部組裝。它使用網格表面將物件放置在家具和其他支撐結構上，調整門口和天花板的方向，並修正多個間距和遮擋問題。專案記錄中包含 ​47 個物件接觸關係​。

最終場景呈現出更一致的老舊外觀。其低調的綠色色調和磨損表面，也更接近原始參考圖片。

代價是場景的負擔大幅增加。即使是牆壁和天花板面板等簡單結構，也被生成為詳細的網格。在沒有進行類似的多邊形縮減處理下，Astra 的最終 GLB 達到約 432.6 MB；計算已放置的實例後，約包含 3,100 萬個三角形。

額外的幾何保留了更多細節，但部分一般結構仍顯示出形狀不準確的問題。最終場景中也可看到重複物件和不均勻的間距。

Astra 與 Fable：數據比較

以下是兩個最終專案的比較。

這些數據來自最終 GLB 檔案和專案記錄。實例化三角形數包含重複放置，不應視為每影格實際的渲染數量。兩種工作流程在生成範圍上也有所不同，因此檔案大小、資產數量和記錄的時間，不能直接用來比較代理程式的整體效能。

Fable 產出的專案小得多，也更容易管理。程序化建模與資產最佳化的結合，有助於降低檔案大小，同時保留進一步調整的空間。

Astra 生成了更多個別資產，也投入更多工作來改善其放置方式。它的場景保留了多得多的幾何，對儲存空間和處理能力的要求也更高。

不過，檔案大小只是整體情況的一部分。接下來看看每個結果與原始辦公室的相似程度。

參考圖片	Fable	Astra

比較最終的 3D 場景

幾何與細節：更多細節，不同的取捨

觀察未套用紋理的模型時，可以看到 Fable 相當不錯地呈現了辦公桌、椅子和書架的主要形狀。不過，部分較小的物件被簡化了，某些區域也出現幾何合併或細節不均的情況。

Astra 的場景在家具和較小道具上都包含更多幾何細節。然而，幾個硬邊結構看起來略微柔化，某些形狀也沒有其細節程度所暗示的那麼準確。

Fable 的最佳化讓場景更容易管理，而 Astra 則保留了更多生成的幾何。兩種方法都沒有完全解決個別資產中可見的形狀和比例問題。

Fable	Astra

材質與氛圍；Astra 更接近參考圖片

參考辦公室具有獨特的外觀：低調的綠色色調、磨損的家具、老舊的牆壁，以及長期使用的痕跡。

Astra 保留了更多這種氛圍。其材質和風化效果在整個房間中相對一致，使場景更接近參考圖片。部分表面仍主要依靠色彩和污漬圖案來表現老舊感，在粗糙度和反射方面的變化有限。

Fable 的材質足以清楚區分主要物件，場景中的冷暖色調也有一定變化。但幾個表面看起來相對較新。整體結果更像普通的工作辦公室，缺少原始場景中那種老舊且封閉的氛圍。

Fable	Astra

場景配置：家具都在，但房間感覺不同

兩個代理程式都成功辨識主要家具，並將其安排成可辨識的辦公室。辦公桌、架子、檔案櫃和其他主要物件大致都放在預期的位置。

將整體配置與參考圖片比較時，差異會變得更加明顯。

原始房間給人擁擠的感覺，家具和較小的物件彼此靠近。前景物件部分遮擋了後方物件的視線，營造出更強的深度感和更緊湊的室內空間。

兩個重建的場景看起來都更加寬敞且整齊。

Fable 拉伸或重新放置了部分家具以使配置可行，也因此改變了一些比例。Astra 對物件位置和接觸點進行了更多局部修正，但整體間距仍比參考圖片寬鬆。

完成的場景可以開啟、檢查和編輯。不過，它們的配置仍需進一步調整，才能更好地符合原始構圖和空間關係。

這對 AI 3D 工作流程意味著什麼？

這項測試展示了使用 AI 代理程式和 V2Fun 建立複雜 3D 場景的兩種可行方式。

Fable 將複雜物件交給 V2Fun，使用 Three.js 建立一般結構，並在最終組裝前最佳化資產。結果是一個較輕量的專案，後續編輯也更直接。

Astra 更廣泛地依賴 V2Fun 生成的資產，並在組裝過程中進行額外調整。其最終場景具有更一致的視覺風格和更詳細的局部配置，但幾何仍然重得多。

兩種工作流程都產出了完整的辦公室場景，也都在家具比例、物件間距、遮擋和整體構圖方面留下了明顯差異。

要改善這些結果，就需要在整個組裝過程中更好地對照參考圖片進行檢查。應該及早確立房間比例和相機構圖，接著更仔細地調整位置、遮擋、材質和光照。

對複雜的 3D 專案而言，生成個別資產已經是工作流程中相當重要的一部分。這些資產如何組織、定位、最佳化和修改，對最終場景的影響同樣重大。

若要在自己的代理程式工作流程中探索基於元件的 3D 生成，請造訪 V2Fun AI 3D Skill 頁面以了解更多詳情。