Si seguís el mundo de gráficos 3D, capturas fotorrealistas o realidad virtual, probablemente escuchaste el término Gaussian Splatting en los últimos meses. Es la técnica detrás de las capturas más impresionantes que estás viendo en redes: museos enteros recorribles desde el celular, escenarios cinematográficos que parecen filmados pero son 100% sintéticos, autos clásicos que rotan en 360° con calidad de estudio.
En TWINS4BIM usamos Gaussian Splatting como una de nuestras tecnologías centrales. En este post te explicamos qué es, cómo funciona, en qué se diferencia de otras técnicas anteriores, y por qué creemos que está cambiando el juego.
El problema clásico de la captura 3D
Hasta hace un par de años, si querías capturar un espacio físico en 3D, tenías tres caminos:
- Fotogrametría: tomás cientos de fotos desde distintos ángulos y un software reconstruye la geometría. Funciona bien con objetos pequeños y luz controlada, pero falla con superficies brillantes, vidrios, follaje fino o ambientes grandes.
- Escaneo láser (LiDAR): precisión milimétrica para geometría, pero los modelos resultantes parecen "plastilina técnica" — perfectos para BIM e ingeniería, pero poco fotorrealistas.
- Modelado 3D manual: un artista 3D dibuja todo. Resultado bonito pero caro, lento y limitado por el talento individual.
Las tres técnicas tenían el mismo techo: geometría explícita hecha de polígonos. Cada cm² del modelo tiene que ser definido, texturizado e iluminado. Eso pone un límite duro a la calidad visual y al tiempo de procesamiento.
La revolución NeRF (2020)
En 2020, investigadores de UC Berkeley publicaron Neural Radiance Fields (NeRF): en lugar de modelar geometría explícita, entrenan una red neuronal pequeña que aprende a "renderizar" cualquier ángulo del espacio capturado a partir de unas decenas de fotos.
El resultado fue impactante: capturas hiper-realistas, con reflejos correctos, transparencias, profundidad de campo. Pero NeRF tenía dos problemas: era lentísimo de entrenar (horas o días), y aún más lento de renderizar (no funcionaba en tiempo real).
Gaussian Splatting (2023)
En agosto de 2023, un equipo de Inria + Université Côte d'Azur publicó el paper "3D Gaussian Splatting for Real-Time Radiance Field Rendering". La idea es elegante: en vez de modelar el espacio con polígonos o una red neuronal, lo modelan con millones de "splats" — pequeñas elipses 3D semi-transparentes con color, opacidad, posición y orientación específicas.
Cada splat es una distribución gaussiana en el espacio 3D. Cuando los renderizás todos juntos desde un ángulo cualquiera, se mezclan como pinceladas en un cuadro impresionista. El resultado: fidelidad visual comparable o superior a NeRF, pero renderizado en tiempo real, hasta 100 fps en hardware moderno.
"Por primera vez tenemos calidad de render fotorrealista con frame rates de videojuego, sin necesidad de modelar manualmente."
Por qué importa para captura del mundo real
El proceso típico de captura con Gaussian Splatting es así:
- Captura: grabás video o fotos del espacio desde múltiples ángulos. Suficiente con 200-1000 imágenes para una habitación grande.
- Procesamiento: un algoritmo de Structure-from-Motion calcula posiciones de cámara. Después una optimización iterativa "esculpe" los millones de splats hasta que el render coincida con las fotos originales.
- Resultado: un archivo de unos pocos MB que contiene millones de splats. Se puede explorar en cualquier navegador con WebGL.
Comparación con otras técnicas
Gaussian Splatting vs Fotogrametría
La fotogrametría reconstruye geometría poligonal. Gaussian Splatting NO genera geometría — genera una representación visual densa. Resultado: GS captura mejor superficies complejas (vegetación, telas, vidrio, agua) pero no es ideal cuando necesitás mediciones exactas. Para eso combinamos GS con LiDAR.
Gaussian Splatting vs NeRF
Misma calidad visual, pero GS es órdenes de magnitud más rápido tanto en entrenamiento como en render. Ya prácticamente reemplazó a NeRF en aplicaciones de producto.
Gaussian Splatting vs LiDAR puro
LiDAR da geometría precisa, GS da apariencia foto-realista. Las técnicas son complementarias, no rivales. Por eso en TWINS4BIM combinamos LiDAR para precisión geométrica + Gaussian Splatting para fidelidad visual.
Aplicaciones reales en 2026
- Patrimonio cultural: iglesias, museos, monumentos preservados eternamente. Si el edificio físico se daña, el modelo digital permanece como respaldo.
- Real estate: tours navegables que reemplazan visitas presenciales. Conversión de venta hasta 5 veces más rápida.
- Cine y publicidad: set scouting remoto, pre-visualización, integración VFX.
- BIM as-built: documentación visual completa del estado real de obra, complementaria al modelo CAD.
- Hotelería y turismo: el huésped recorre antes de reservar. Aumenta conversión hasta 30%.
- Realidad virtual: Apple Vision Pro y Meta Quest renderizan splats nativamente, generando experiencias inmersivas hiperrealistas.
Limitaciones actuales
No todo es perfecto:
- Captura dinámica: GS estándar funciona en escenas estáticas. Para escenas con movimiento (gente, agua corriente) se necesitan extensiones especiales (4D Gaussian Splatting).
- Iluminación variable: los splats tienen color "horneado" — no responden a iluminación cambiante. Hay investigación activa para resolver esto.
- Edición: editar un modelo de splats es más difícil que editar un modelo poligonal. Las herramientas todavía son inmaduras.
Aun así, para los casos de uso de captura del mundo real, las ventajas superan ampliamente las limitaciones.
El futuro inmediato
En los próximos 12–18 meses esperamos:
- Captura desde celulares con apps que ya están saliendo (LumaAI, Polycam, Niantic Scaniverse).
- Integración nativa de Gaussian Splatting en motores de juego (Unreal Engine 5.5+, Unity).
- Compresión avanzada — modelos de calidad similar pero 10× más livianos.
- Reconstrucción dinámica en tiempo real para AR/VR.
Para Paraguay y Latinoamérica, esto significa que tecnología que era exclusiva de estudios de Hollywood hace 3 años ahora está disponible para preservar nuestro patrimonio, vender nuestras propiedades y digitalizar nuestras industrias. Y el costo es una fracción de lo que costaba lograr resultados similares con técnicas tradicionales.