Puntos clave
- La generación 3D es crear una forma en volumen a partir de unas pocas fotos o de una sola frase. El resultado es algo que se puede girar y mirar desde cualquier lado.
- Hay que rellenar lo que la imagen plana no tiene. El lado que nadie fotografió queda vacío o, si se rellena, no se observó: se inventó.
- Cuantas más fotos cubran ángulos distintos, más preciso sale el resultado. Sacar cien fotos desde el mismo punto no ayuda en nada.
- El resultado se guarda de varias formas. A veces como una cáscara hecha de caras unidas, a veces como una nube de puntitos de color esparcidos en el espacio.
- Sirve en videojuegos, cine y prototipos de producto: cualquier sitio donde haga falta girar el objeto y cambiarle la luz.
La analogía
La papiroflexia empieza con una hoja plana. Un papel sin ningún doblez no se puede levantar, pero en cuanto aparecen unos cuantos pliegues, las caras se alzan siguiendo esas líneas y nace una figura en volumen. Los pliegues son los que deciden la forma final.
¿Y en las zonas sin ningún pliegue? Ahí la persona que dobla el papel improvisa, guiada por la práctica acumulada. Como no hay ninguna marca que seguir, el papel termina levantado en una forma verosímil, pero nadie sabe si esa era realmente la forma correcta.
Crear un volumen a partir de fotos funciona igual. Cada foto es un pliegue. Si los pliegues llegan desde varias direcciones, la figura se levanta con nitidez; si solo llegan de un lado, el lado contrario no se levanta y queda vacío, o queda a merced del instinto de quien dobla.
En detalle
Lo plano no tiene profundidad
Una foto aplasta el mundo hasta dejarlo sin grosor. Si esa taza está a treinta centímetros o a tres metros, la imagen sola no permite saberlo con exactitud: solo se puede intuir por pistas como el tamaño o las sombras. Por eso recuperar el volumen de una foto es, en el fondo, un problema de recuperar algo que ya se borró.
Fotografiar lo mismo desde otro punto trae una pista de vuelta. Lo cercano parece moverse mucho y lo lejano, poco. Juntando esa diferencia entre varias tomas se acota qué tan lejos está cada cosa, igual que mirar con dos ojos hace la distancia mucho más nítida.
Pero este truco solo funciona donde hay foto. El lado que jamás quedó registrado no deja ninguna pista, y ningún cálculo puede sacarla de la nada. Ese lado no se recupera: se rellena.
El camino de varias fotos
El método hecho de muchas fotos fue el primero en asentarse. El orden suele ser este: primero se calcula desde dónde y hacia dónde miraba cada foto, emparejando puntos que se repiten entre varias imágenes para acotar la posición de la cámara.
Después se rellena el espacio vacío. Se prueba qué color y qué densidad tendría cada punto del espacio y se revisa si, con esa suposición, todas las fotos se ven tal como son. Cuando algo no cuadra, se corrige un poco, y así, repitiendo el ajuste, se llega a una disposición que encaja con todas las tomas.
Este camino es muy preciso en lo fotografiado. A cambio, suele ser un cálculo hecho para esa escena y no sirve para otro objeto, y exige fotos repartidas por todos los ángulos. Cubrir solo un lado deja el otro completamente vacío. Hoy también hay modelos entrenados de antemano con muchas escenas que predicen de una vez la posición de las cámaras y la forma a partir de las fotos.
El camino de una foto o de un texto
Muchas veces solo hay una foto, o solo una frase. Ahí no hay observación con la que rellenar, así que se rellena con invención. Un método habitual resulta sencillo: se generan varias imágenes que responden a "cómo se vería de lado" o "cómo se vería por detrás", y esas imágenes se usan como si fueran fotos tomadas desde ángulos distintos para consolidar el volumen. Hoy también se usan mucho métodos que se saltan las imágenes y generan directamente la forma en volumen.
La calidad del resultado depende de cuánto encajen entre sí esas imágenes imaginadas. Si el asa que se ve de frente no aparece en la vista lateral, el volumen sale deformado al fusionarlas. Sostener varias vistas a la vez sin que se contradigan es el reto central de este camino.
El lado inventado es, en el mejor de los casos, un lado verosímil. Puede diferir del objeto real, y si se genera de nuevo, sale distinto otra vez. Este método no debe usarse cuando hace falta reproducir un objeto real con exactitud.
En qué se guarda el resultado
Guardarlo como cáscara es la forma más antigua. La superficie se arma con triángulos pequeños unidos entre sí y encima se pega una textura. Como los videojuegos y las herramientas de video ya usaban este formato desde hace mucho, es fácil de reaprovechar y el archivo pesa poco.
También existe la forma que llena el espacio en vez de la superficie: cada punto del espacio guarda de qué color y con qué densidad se ve. Captura hasta cosas de bordes difusos, como vidrio o pelo, y luce realista, pero al no tener cáscara es difícil usarlo directamente en cálculos físicos o edición.
Esparcir puntitos pequeños por el espacio es lo más usado últimamente. Se guardan la posición, el color y el tamaño de millones de puntitos, y se lanzan a la pantalla cuando hace falta, lo que permite dibujar muy rápido. Según qué se quiera hacer, se elige la forma de guardado, y a veces se convierte de una a otra.
Dónde sigue flojo todavía
En muchos casos el resultado no se puede usar tal cual. La superficie sale irregular o con demasiados triángulos, y la textura se ve borrosa de cerca. Es común también que un hueco que debería estar vacío quede tapado, o al revés.
Lo delgado, lo transparente y lo brillante también son puntos débiles. Una malla metálica o un cabello, algo fino, sale amontonado, y el vidrio o el metal a veces confunden el reflejo con la textura real y lo graban tal cual. Por eso cambiar la iluminación hace que el resultado se vea extraño.
Con más precisión
El método de varias fotos primero calcula la posición de la cámara en cada toma y luego ajusta el color y la densidad de cada punto del espacio hasta que todas las fotos queden reproducidas. Suele ser una optimización para una sola escena, así que otra escena distinta exige empezar el cálculo desde cero. Hoy también hay modelos entrenados de antemano con muchas escenas que predicen la forma a partir de las fotos de una sola vez. El método de una foto o de un texto, en cambio, genera imágenes de varios puntos de vista con un modelo generativo y con ellas consolida el volumen, o genera directamente la forma en volumen; por eso se aplica de inmediato a un objeto nuevo, aunque no garantiza precisión.
La analogía de la papiroflexia también tiene sus grietas. El papel tiene una cantidad fija de superficie y no le nacen caras nuevas, pero la generación 3D sí inventa por completo un lado nunca observado. En la analogía solo se levanta a ojo lo que no tiene pliegue, pero en realidad a unas pocas fotos les puede encajar más de un volumen, así que incluso en lo fotografiado, si faltan ángulos, lo que el modelo ya vio antes decide la forma. Doblar papel además va paso a paso, uno detrás de otro, mientras que el cálculo del volumen mira todas las fotos a la vez y las corrige poco a poco en conjunto.
Pruébalo
Malentendidos comunes
Es fácil pensar que con una sola foto sale un volumen exacto, pero en realidad el lado no fotografiado es una invención que puede diferir bastante del objeto real.
Es fácil pensar que el resultado se puede usar tal cual, pero en realidad casi siempre hace falta retocar la superficie y la textura.
Es fácil pensar que cuantas más fotos, mejor, pero en realidad los ángulos deben repartirse: varias fotos desde el mismo punto no ayudan.
Resumen en una línea
La generación 3D levanta lo plano siguiendo los pliegues que dejan las fotos, así que el lado marcado sale preciso y el lado sin marca sale vacío o inventado.
¿Has visto un error o tienes una analogía mejor? Sugerir una corrección · Última actualización 2026-10-17