LL3M: Büyük Dil Modeli Tabanlı 3D Modelleyici

• LL3M, birden fazla büyük dil modeli kullanarak Python kodunu otomatik yazar ve Blender'da 3D varlıklar oluşturup düzenler
• Kullanıcının metin tabanlı talimatlarına göre yaratıcı ve hassas biçimler doğrudan üretir, karmaşık geometrik işlemleri kodla uygular
• Mevcut 3D model üretim araçlarından farklı olarak, kısıtsız varlık üretimi ve ayrıntılı etkileşim sunar
• Üretilen Blender kodu açık ve parametre şeffaflığı yüksek olduğundan, kullanıcılar veya ajanlar bunu kolayca düzenleyebilir ya da yinelemeli olarak iyileştirebilir
• Tutarlı stilizasyon, malzeme düzenleme, hiyerarşik yapı uygulama gibi geniş kapsamlı 3D varlık işleme olanakları gösterir

---

LL3M'ye genel bakış

• LL3M, birden fazla büyük dil modeli (LLM) ajanının Python kodu yazarak Blender'da 3D varlıklar oluşturup düzenlediği yenilikçi bir çerçevedir
• Kullanıcı metinle talimat verdiğinde, LL3M yaratıcı biçim üretimini ve hassas geometrik işlemleri otomatikleştirir; yüksek seviyeli kodu bir 3D ifade biçimi olarak kullanarak yinelemeli iyileştirme ve ortak çalışmayı mümkün kılar
• Kod açık biçimde açıklanır; çeşitli parametreler ve yapı şeffaf şekilde ortaya konur, böylece ek düzenleme ve kullanıcının sürekli geri bildirimi de kolaylaşır

Pipeline'a genel bakış

• Pipeline, üç ana aşamadan oluşur (ilk üretim, otomatik iyileştirme, kullanıcı geri bildirimi temelli iyileştirme)
  • İlk üretim aşamasında temel biçim oluşturulurken, LL3M mantıksal olarak uygunsuz yapıları veya basit geometrik öğeleri otomatik olarak tespit edip iyileştirir
  • İkinci aşama daha rafine otomatik düzeltmeler uygular ve karmaşık biçimleri veya ilişkileri de yansıtır
  • Son aşama kullanıcının ek düzenleme taleplerini kabul ederek etkileşimli ve yinelemeli 3D varlık üretimini hayata geçirir
• Her aşama, ajanlar arasındaki görev paylaşımına dayanarak yinelemeli ve kademeli bir iyileştirme yaklaşımı uygular

Galeri ve performans

• Çeşitli biçim üretimi: yel değirmeni, piyano, davul seti gibi karmaşık dizilimler ve ince ayrıntılar kodla uygulanır
• Tutarlı stil uygulaması: aynı "steampunk" talimatı birden fazla mesh'e (şapka) uygulanarak, ortak bir stil korunurken çeşitlenmiş sonuçlar üretilir
• Malzeme düzenleme desteği: örneğin yalnızca bıçak kısmı ayrı bir shader node ile tanımlanarak malzemesi değiştirilebilir

Kodun yorumlanabilirliği

• Üretilen kodda yapısal mantık, açık değişken adları ve yorumlar bulunur; bu da anlamayı ve değiştirmeyi kolaylaştırır
• Örnek: klavye desen mantığı veya tuş genişliği değişkenleri doğrudan değiştirilebilir
• Blender node'ları ve parametreleri doğrudan görünür olduğundan, renk ve desen gibi görsel özellikler sezgisel olarak ayarlanabilir

Kodun yeniden kullanılabilirliği ve genelliği

• Farklı biçimler arasında bile döngüler, modifier'lar, node ayarları gibi üst düzey kod kalıpları yeniden kullanılır
• Bu sayede çeşitli prompt'larda modüler ve düzenlenebilir kod üretimi mümkün olur

Sahne ve hiyerarşik yapı

• Birden fazla nesne oluşturulur ve instancing ile parenting sayesinde mekânsal ilişkiler otomatik olarak yerleştirilir
• Örneğin lamba gibi bileşik bir nesne oluşturulurken ebeveyn-çocuk ilişki yapısı yansıtılarak dönüşümlerin hiyerarşik olarak aktarılması sağlanır
• Her parça anlamlı semantik isimlere sahip olur; böylece Blender'ın scene graph'ı içinde verimli şekilde yönetilebilir

[GN⁺]

Hacker News görüşleri

• Arkadaşlarımın istediği görselleri iyi 3D modellere dönüştürme işinde meshy.ai ile beklenmedik başarı elde ettiğim bir deneyimim var. İş akışım şöyle: 1) GPT-5 ya da Midjourney gibi bir görsel modelle kaynak görseli pürüzsüz render edilmiş bir mesh görünümüne dönüştürüyorum; yani gereksiz detayları ve şeffaflık ya da stereoskopik efektleri kaldırıyorum. 2) Bu şekilde temizlenmiş görseli meshy.ai'nin image to 3D moduna veriyorum; sonuç hoşuma gitmezse yeniden 1. adıma dönüp görsel stilini değiştirerek tekrar seçiyorum. 3) Son olarak Blender'a aktarıp istediğim gibi mesh düzenlemesi yapıyorum (belirli bölgeleri ayarlama, asimetri ekleme vb.) ve ardından ek modelleme çalışması yapıyorum. Mesh yapısı oldukça sağlam; muhtemelen NeRF tarzı bir üreticinin üzerinde marching cubes ya da dual contouring benzeri bir yöntem kullanılıyor gibi geliyor. Makine CAD'inde gerçekten çok hızlıyım ama Blender becerim orta karar, bu yüzden AI modelin genel iskeletini çıkarınca benim sadece elle düzeltip tamamlamam yetiyor; bu da inanılmaz verimli oluyor. Örneğin bir arkadaşım gerçek bir insan heykelini dönüştürmemi isterse, eskiden bana çok zaman harcatacak bir iş, AI + Blender kombinasyonuyla 5 dakikada modeli üretip Blender'da yaklaşık 1 saat rötuşlayarak halledilebiliyor; üretkenlik artışını net biçimde hissediyorum
  • 1. adımda görseli mat render edilmiş bir mesh görünümüne dönüştürdüğünü söylemişsin; bunun nasıl bir görsel olduğunu merak ediyorum. Şeffaf yüzeyleri opak hale getirmeyi anlıyorum ama tüm görsele dair bir örnek ya da bu süreçte kullandığın prompt'ları paylaşabilir misin diye sormak isterim
  • GPT-5 metin odaklı bir model. ChatGPT görüntü işleme için hâlâ 4o kullanıyor
• 7 yıldan uzun süredir Blender kullanıyorum; Blender Stack Exchange'de 1000'den fazla yanıt yazdım ve yaklaşık 48.000 puan aldım. Bu AI tabanlı Blender aracının Python, özellikle de Blender Python API'nin temellerini öğrenmek için fena olmayabileceğini düşünüyorum ama pratikte çok gerekli olduğunu hissetmiyorum. Örnek olarak gösterilen işler Blender'da gerçekten çok kolay yapılabilecek şeyler ve bu tür araçları kullandığınızda sonuç genelde sadece verdiğiniz prompt'a uyan sıradan çıktılar oluyor. Temel modelleme, bir günlük eğitim videosuyla öğrenilip doğrudan yapılabilecek bir alan ve kendi yaptığınız modellerde size ait yaratıcılık daha çok hissediliyor. Bir hafta kadar sonra AI prompt yazmaktan daha hızlı biçimde kendiniz yapmaya başlayabiliyor, üstelik beceriniz de giderek gelişiyor. AI ile öğrenilecek çok şey yok. meshy.ai fotoğraf ya da render'ı mesh'e çevirmek ve üstüne makul bir doku kaplamakta fena değil ama sonrası daha çok sculpt tarafı zayıf olan kişilere hitap ediyor gibi. Bu arada meshy.ai test sonuçlarımı burada derledim
  • Blender eğitimlerini birkaç gün takip etsem bile örnek seviyesine yaklaşamayan biriyim. Kendi becerini biraz fazla genellemiş gibisin. 3D model sanatçısı değilim; sadece 3D modele ihtiyacı olan bir kullanıcı olarak bu tür teknolojiler benim için gerçekten çok faydalı
  • Ben de Houdini'yi hobi olarak kullanan biri olarak, parametreleştirilmiş tek bir modeli birkaç günde yapabilirim ama kısa bir video ya da başlı başına bir sahne üretmek için yüzlerce hatta binlerce model, doku, rig, animasyon ve hatta simülasyon gerekiyor. 2 dakikalık bir animasyon bile solo bir sanatçı için neredeyse imkânsız. Çoğu kişi asset paketi satın alıp birleştiriyor ama bu durumda işiniz o stilin sınırlarına mahkûm oluyor. Bu tür AI araçları, bu aşamalardan birini ya da ikisini bile ciddi ölçüde hafifleterek tek başına çalışabilecek alanı genişletiyor
  • AI müşteri destek araçları geliştiren bir geliştirici ve tasarımcı olarak, LLM'lerin konuşmayı yönlendirme ve yaratıcılık açısından eksik olduğunu şirketime sürekli anlatmak zorunda kaldığımı hissediyorum. Tek başına özellik üretmektense, araçlara AI entegre edilip tekrar eden işlerin hızlandırılmasına daha çok odaklanılmasını isterim. Örneğin Fusion360'taki AI destekli constraint otomasyonu gerçekten üretkenliği artırıyor. Blender için de bu yönde araçlar (örneğin materyalleri otomatik bağlama) bana çok daha ilginç geliyor
  • Blender'ı haftalarca öğrenmek istemeyen bir kullanıcı için, sadece birkaç saat harcayıp yeterince işe yarar sonuçlar alabiliyorsa, en verimli yaklaşım budur
  • Bu aracın bugün, hayatı boyunca olacağı en kötü gün olduğunu hatırlamak gerekiyor. Bundan sonra giderek daha iyi olacak; LLM uygulama alanları daha yolun başında
• Bu, eskiden beri arkadaşlarıma vurguladığım yönelim. Gelecekte API merkezli yaratıcı yazılımlar kazanacak. After Effects makul bir JS API sunuyor ve Da Vinci Resolve Python, Lua gibi çeşitli betiklerle otomasyona izin veriyor. Betik yazım sürecinde transaction rollback desteği de iyi. Çoğu masaüstü uygulamanın betik ortamı için genelleştirilmiş bir MCP ihtiyacı giderek artıyor. Çok modlu girişle bağlantılı ekran yakalama da birlikte gerekli olacak
• Kısa süre önce Aseprite (piksel editörü) ile prosedürel karakter üretimi yapan otomatik bir Lua betiğini Claude ile birlikte yazmayı denedim. Seed değeriyle sonuç yeniden üretilebiliyordu ve kabaca insan formu elde edilebildi ama kalite çıtası açısından hâlâ gidilecek yol var. Yine de erişilebilirliği çok yüksekti ve kullanması eğlenceliydi.
  • https://www.aseprite.org
  • Bu konu ilginizi çekiyorsa pixellab.ai'ye de göz atmaya değer. Sadece prompt ile oldukça iyi sprite görselleri üreten bir Aseprite eklentisi geliştiriyorlar
  • Ben de iyi bir piksel art AI aramaya devam ediyorum. Denediklerimin çoğu idare ederdi ama etkileyici değildi. İyi deneyiminiz varsa bir öneri bağlantısı paylaşmanızı isterim
• 3D model kalitesiyle alay etmeden önce, geçmişteki Dancing Baby'yi ve erken dönem Pixar animasyonlarını düşünün; gelişim gerçekten inanılmaz. Yakında sadece LLM'e prompt verip neredeyse tamamlanmış bir 3D model alabileceğimiz ve benim sadece texture, baking ya da export ile uğraşacağım bir dönemi sabırsızlıkla bekliyorum
  • Ben de yakında insanlığın trilyonlarca saatlik deneysel verisinin istatistiksel modellere toplanıp, bunu fiilen mümkün kılan kişilere tek kuruş ödenmeden şirketlerin bundan gelir elde ettiği bir çağı dört gözle bekliyorum
  • LLM bir dil modelidir ve mesh verisi dil değildir. Teorik olarak Python ile basit bir mesh üretilebilir ama gerçekten güzel 3D sanat eserlerini kimse bu şekilde yapmaz. Vektör sanatta da doğrudan SVG kodu yazmıyoruz; görsel sanat üretimi LLM'in kendi başına yapabileceği bir şey değil. LLM başka modeller için bir arayüz görevi görebilir ama tek başına her şeyi üretemez
• Son dönemde LLM'lerin mekânsal zekâsının gerçekten çok gelişmiş olması cesaret verici. Daha bir yıl önce bile yukarı-aşağı, sağ-sol, ön-arka gibi konum ilişkileri içeren bir hikâye yazdırdığınızda tamamen karıştırıyor ve doğru ayıramıyordu. GPT'ye betik yazımı için en uygun CAD yazılımının hangisi olduğunu sordum, Freecad dedi. Blender hassas ölçüm araçları eksik olduğundan CAD'den ziyade modelleyici sayılabilecek bir araç. Freecad API'si yapısal olarak daha dağınık, bu yüzden GPT ilgili fonksiyonları ya hatırlayamıyor ya da iyi bulamıyor. Blender'da ise kullanıcı sayısı ve paylaşılan kod çok olduğundan çok daha iyi çalışıyor
  • OpenSCAD nasıl olur diye merak ediyorum
  • CAD'de ölçüm işlerini otomatikleştiren betikler yazmak mümkün olur mu diye merak ediyorum
• Blender'ı birkaç kez denedim ve her seferinde bıraktım. Şimdi sadece Openshot'ta animasyonlu başlıklar yaparken Blender kullanıyorum. Gelişmiş araçları kullanmayı kolaylaştıran her yöntem benim için memnuniyet verici
• Her şey için token tabanlı büyük modellerin ortaya çıkacağını düşünüyorum. Çünkü dünyadaki tüm veriler token'laştırılabilir. Bunun mutlaka dil üzerinden yapılması da gerekmiyor; AI zamanla geometrik verilerde de akıcı hale gelecek
  • AI tarafından üretilmiş verilere yönelik itirazların çoğu, onun dile bağımlı doğasından kaynaklanıyor. Bu yüzden gerçekten yaratıcı girdiler yeterince yansıtılamıyor
  • Bir zamanlar word2vec nasıl büyük bir yenilik getirdiyse, 3D modeller de temelde bir vektör uzayında temsil edilebilirdi
• Buradaki önemli nokta ajan iş akışları. LLM'lerin 3D dünyayı anlama becerisi gelişmeye devam ettikçe, birçok durumda yardımcı olacaklar. Uzman düzeyinde hata kontrolü, öneriler, açılır yardım gibi şeylerde, insan müdahalesi olmadan arka planda çalışıp sorun bulmak için de faydalı olabilirler. Bunu programatik olarak kontrol edebilme yeteneği de giderek daha değerli hale gelecek
• Ben modelleyici değilim ama tek başıma 3D oyun geliştirirken bunu birkaç kez denedim. Modelleme benim için mutlaka katlanılması gereken bir acıydı. Böyle araçlar olursa, indie projelerde çok düşük poligonlu temel modelleri hızla üretip sonra onları temel alarak kendi elimle ince detayları işlemek isterim. Benim için yüksek kalite yerine zamandan tasarruf daha değerli