La inteligencia artificial continúa ampliando sus posibilidades en el ámbito de la generación de imágenes. Un nuevo modelo llamado SGMSD-Net permite crear panoramas turísticos realistas a partir de indicaciones de texto, con el objetivo de representar escenas completas con mayor nivel de detalle y correspondencia con lo solicitado.
El desarrollo fue realizado por un equipo internacional de investigadores liderado por Lun Wei, profesora de la Universidad de Ma’anshan, en China. El trabajo fue publicado en la revista International Journal of Information Quality y propone una solución a una dificultad frecuente de los sistemas generativos: producir imágenes atractivas que, sin embargo, no siempre representan con precisión los elementos mencionados en una descripción.
Cómo funciona el modelo de inteligencia artificial
SGMSD-Net combina una guía semántica con un proceso de generación basado en difusión. Su funcionamiento se divide en tres etapas progresivas.
En la primera, el sistema establece la composición general de la escena, incluida la distribución de los elementos y los colores principales. En la segunda, trabaja sobre los bordes y las estructuras para mejorar la definición de los objetos. Finalmente, en la tercera etapa incorpora texturas, iluminación y detalles visuales de mayor complejidad.
El modelo también utiliza un mecanismo denominado FiLM (Feature-wise Linear Modulation), que permite adaptar las características de la red neuronal a partir de etiquetas semánticas. De esta manera, puede interpretar referencias como el tipo de paisaje, la categoría de una escena, un monumento o las condiciones climáticas para orientar la generación de la imagen.
Qué resultados obtuvo en las pruebas
Los investigadores evaluaron el sistema utilizando dos bases de datos: SUN360, que reúne más de 26.000 imágenes panorámicas de interiores y exteriores, y Matterport3D, con más de 10.000 puntos de vista correspondientes a 90 entornos arquitectónicos tridimensionales reales.
En las pruebas, SGMSD-Net superó a cuatro modelos de referencia —Pix2PixHD, SPADE, DDPM y Stable Diffusion— en indicadores relacionados con la calidad de imagen, la similitud perceptiva y la correspondencia entre el contenido visual y la descripción textual.
También obtuvo un promedio de 9 sobre 10 en una evaluación subjetiva realizada por diez voluntarios, que calificaron la claridad, el realismo y la coherencia semántica de las imágenes.
Otro de los resultados destacados fue una precisión promedio del 92,9 % en el indicador de Precisión de Atributo Semántico. Según el estudio, la arquitectura de tres etapas también permitió reducir el indicador FID en un 20,8 % en SUN360 y un 21,7 % en Matterport3D, en comparación con una versión de una sola etapa.
Turismo virtual, museos y patrimonio cultural
Entre las aplicaciones potenciales, los autores destacan la posibilidad de generar recorridos virtuales para que las personas puedan explorar destinos antes de viajar. También mencionan su utilidad para recrear sitios históricos de difícil acceso, desarrollar contenidos educativos y diseñar exhibiciones en museos.
La tecnología podría integrarse con sistemas de realidad virtual y aumentada, para ofrecer experiencias inmersivas en las que los usuarios recorran escenarios generados mediante inteligencia artificial.
Estas posibilidades también podrían resultar útiles para la conservación del patrimonio cultural, al permitir representar digitalmente lugares que necesitan protección o cuyo acceso físico es limitado.
La arquitectura utiliza el mecanismo FiLM para modular las capas de la red neuronal en función de etiquetas semánticas.
Las limitaciones que todavía debe superar
Pese a los resultados, el equipo reconoce que el modelo presenta algunas restricciones. Entre ellas se encuentran la cobertura geográfica y cultural de las bases de datos utilizadas, además de las dificultades para generar escenas bajo condiciones de iluminación extremas o con estructuras espaciales muy complejas.
Otro límite es su dependencia de etiquetas semánticas predefinidas, que puede reducir su capacidad para interpretar descripciones libres o ambiguas.
Como próximos pasos, los investigadores plantean incorporar modelos multimodales de mayor escala y explorar sistemas que combinen la guía semántica con interacciones en lenguaje natural.
El desarrollo de SGMSD-Net representa una nueva línea de investigación en la creación de entornos turísticos digitales. Aunque todavía tiene limitaciones, sus resultados muestran cómo la inteligencia artificial puede contribuir a generar experiencias panorámicas cada vez más detalladas y adaptadas a las indicaciones de los usuarios.
