Modelos generativos de difusión: incorporación de simetría para la generación de objetos 3D

Abstract

Los modelos generativos son una tecnología emergente que ha ganado gran popularidad en los últimos años gracias a su capacidad de generar nuevos datos a partir de un conjunto de entrenamiento. Estos modelos se han aplicado en la generación de texto, imágenes, videos, música y modelos 3D. En particular, la generación de modelos 3D ha revolucionado los flujos de trabajo al simplificar el proceso laborioso de crear figuras tridimensionales, con aplicaciones en arte, diseño, medicina, arqueología y preservación de patrimonio cultural.

Este trabajo se centra en modificar un modelo generativo 3D existente para mejorar la calidad de los datos generados. Se ajustó el modelo para incorporar la simetría de los datos originales durante el entrenamiento, con el fin de generar formas más semejantes a las del conjunto original. La calidad del modelo mejorado se evaluó mediante métricas que analizan las características de los datos generados.

Los resultados muestran que el modelo modificado logró una mayor simetría y calidad en ciertas métricas, manteniéndose competitivo en la métrica más relevante. Los objetos 3D generados presentaron una simetría más consistente en comparación con los producidos por el modelo original. Aunque las limitaciones en los recursos computacionales impidieron el uso completo del conjunto de datos, lo que afectó los resultados globales, las modificaciones realizadas representan una mejora significativa y abren la puerta a futuras investigaciones orientadas a la optimización de hiperparámetros (parámetros utilizados para controlar el proceso de aprendizaje de un modelo).

Estos hallazgos demuestran que un modelo basado en simetría puede generar formas 3D competitivas con los métodos más avanzados y más fieles a las características presentes en los datos de entrenamiento.