쌓인 기록에서 찾기
무엇을 찾으세요?
날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위부터 2026년 11월 6일 (금)까지4095건
8건 · "Three.js"조건 지우기 ×
001▲ 125 · 댓글 20Three.js로 액체 파운데이션 흐르는 효과 만들기2021년 일본 화장품 브랜드의 액체 파운데이션 프로모션 프로젝트를 위해 개발한 액체 확산 효과를 Three.js로 구현한 과정을 설명한다.웹 · 프론트엔드 · Spreading Liquid with Three.js
Key Point웹에서 실시간으로 동작하는 물리 기반 액체 시뮬레이션의 실제 구현 과정과 시각적 효과 우선의 설계 선택을 상세히 보여주므로, Three.js와 WebGL 셰이더를 다루는 개발자에게 참고할 만한 기술 문서다.
핵심 요약
- 2021년 일본 화장품 브랜드의 액체 파운데이션 프로모션 프로젝트를 위해 개발한 액체 확산 효과를 Three.js로 구현한 과정을 설명한다.
- 마우스나 손가락으로 드래그하면 액체가 밀려나고 주변 액체가 함께 움직이는 현상을 재현하기 위해 유체 시뮬레이션 알고리즘을 선택했다.
- 높이 맵을 사용해 액체의 두께를 표현하며, 유체 시뮬레이션에서 생성된 속도 맵으로 액체의 움직임을 업데이트한다.
전체 요약 10문장 읽기 →웹 · 프론트엔드 · The HTML-in-Canvas API origin trial
Key Point웹 게임과 3D 편집기 같은 고성능 Canvas 앱에서 텍스트 접근성, find-in-page, 브라우저 확장 등 DOM의 모든 기능을 동시에 사용할 수 있게 되므로, 복잡한 시각 애플리케이션의 아키텍처 설계 방식이 근본적으로 달라진다.
핵심 요약
- Chrome 148~150에서 진행 중인 origin trial을 통해 새로운 HTML-in-Canvas API가 공개됐다.
- 이 API는 DOM 콘텐츠를 2D canvas 또는 WebGL/WebGPU 텍스처에 직접 렌더링하면서 상호작용과 접근성을 유지한다.
- DOM은 텍스트 레이아웃, 접근성, 번역, find-in-page 등 브라우저 기능을 제공하지만 그래픽 성능이 제한적이고, Canvas는 고성능이지만 이러한 기능들이 완전히 작동하지 않는다.
전체 요약 9문장 읽기 →웹 · 프론트엔드 · LittleJS is 2D and 3D now
Key Point3D와 AI 코딩 지원을 추가한 LittleJS는 경량 엔진 특성을 유지하면서 기능성을 크게 확장했으므로, 웹 기반 게임 개발 생태계에 새로운 선택지를 제시한다.
핵심 요약
- 경량 HTML5 게임 엔진 LittleJS가 주요 업데이트로 2D 캔버스에 3D 렌더러를 통합했다.
- 3D는 메시, 테라인, 복셀 맵, 섀도우 맵, 조명, 안개, 반사, 파티클 등을 지원하며 기존 2D 객체와 동일한 물리 엔진을 공유한다.
- 2D 오브젝트 위에 3D 씬을 올리거나 그 반대로도 혼합할 수 있고, Three.js 렌더링을 위한 플러그인도 제공된다.
전체 요약 11문장 읽기 →AI · 머신러닝 · WorldAuditBench: Interactive 3D World Auditing with Multimodal Agents
Key Point멀티모달 AI가 3D 환경 내 시각적 추론과 행동 탐색을 동시에 수행해야 하는 실제적 요구를 측정하는 벤치마크로, AI 모델의 공간 이해와 의사결정 능력의 격차를 정량화한다.
핵심 요약
- 3D 시뮬레이션 환경에서 부유하는 물체, 통과 가능한 벽, 맞지 않는 객체 등의 이상을 자동으로 감지하는 것이 중요해지고 있다.
- 비전-언어 모델(VLM)과 비전-언어-행동 모델(VLA) 같은 멀티모달 AI 시스템이 이 작업을 자동화할 가능성을 보여주고 있다.
- 3D 세계 감시는 행동 능력(3D 환경을 탐색하며 이상을 체계적으로 찾기)과 시각 추론 능력(환경을 이해하고 이상 식별)의 긴밀한 결합이 필요하다.
전체 요약 8문장 읽기 →AI · 머신러닝 · What reversing, modernising old games tells us about the economic impact of AI
Key Point지식 노동의 희소성이 AI로 사라지는 과정을 게임 개발 구체 사례로 보여주며, 단순한 기술 발전을 넘어 경제 구조 변화의 신호를 던진다.
핵심 요약
- 저자는 LLM을 이용해 1989년 고전 게임 '전쟁의 창(War of the Lance)'을 역공학하고 현대 브라우저로 포팅한 경험을 공유한다.
- Qwen-3.8-Flash-Next로 한 주 안에 충실한 게임 재현과 Three.js 렌더링 엔진을 구현했으며, 이를 토탈워와 히어로즈 오브 마이트 앤 매직 스타일로 현대화하고 있다.
- Fable 5.1로 주당 80~100개 3D 모델을 생성할 수 있으며, GPT-6 Astra는 중급 전문가 수준의 3D 모델링 능력을 보였다.
전체 요약 15문장 읽기 →AI · 머신러닝 · moeru-ai/airi · TypeScript
Key PointNeuro-sama 같은 AI 가상 캐릭터를 누구나 직접 구축할 수 있는 완전한 오픈소스 플랫폼이 나왔고, 게임 플레이부터 음성 채팅까지 놀라운 수준의 기능을 갖추고 있다.
핵심 요약
- Neuro-sama 같은 자체호스팅 가능한 AI 동반자를 만드는 오픈소스 프로젝트로, TypeScript 기반 웹 기술과 네이티브 기술을 함께 사용한다.
- 브라우저, macOS, Windows 데스크톱, 모바일 PWA 등 다양한 플랫폼에서 실시간 음성 채팅이 가능하며, Minecraft, Factorio, Kerbal Space Program 등 여러 게임을 플레이할 수 있다.
- WebGPU, WebAssembly, Web Workers 등 웹 기술로 그래픽과 레이아웃을 처리하면서도, NVIDIA CUDA와 Apple Metal을 통한 네이티브 추론으로 성능을 확보하는 하이브리드 아키텍처를 채택했다.
전체 요약 12문장 읽기 →웹 · 프론트엔드 · vercel-labs/json-render · TypeScript
Key PointAI 기반 UI 생성의 신뢰성 문제를 스키마와 컴포넌트 카탈로그로 해결하는 실용적 접근법을 제시하며, 멀티플랫폼 렌더러와 풍부한 생태계로 즉시 활용 가능한 수준에 도달했다.
핵심 요약
- Vercel Labs의 json-render는 자연어 프롬프트로부터 동적 UI를 생성하는 Generative UI 프레임워크다.
- 개발자가 정의한 컴포넌트 카탈로그 범위 내에서만 AI가 UI를 생성하도록 제약을 둬 예측 가능하고 안전한 결과를 보장한다.
- JSON 스키마 기반 출력으로 매번 일관된 구조를 생성하며, 모델 응답을 스트리밍해 점진적 렌더링을 지원한다.
전체 요약 6문장 읽기 →AI · 머신러닝 · I tested 10 model/harness combinations on the same Three.js task
Key PointThree.js 같은 복잡한 프론트엔드 작업에서 모델별 성능과 비용 효율이 크게 달라지므로, 개발자가 선택할 때 참고할 수 있는 실제 측정 데이터가 제공된다.
핵심 요약
- GLM 5.3 Flash Max가 가장 빠르고 저렴했으며, 9분 내 3D 씬 생성을 완료했다.
- 같은 프롬프트로 다양한 모델(Qwen, Luna, Sol, Astra)과 프레임워크(Codex, OpenCodeOpen 등)를 조합해 성능을 측정했다.
- 처리 시간은 8분부터 41분까지 편차가 컸고, 생성된 토큰 수는 모델마다 크게 달랐다.
전체 요약 5문장 읽기 →