Llevo tiempo siguiendo la evolución de la captura 3D: en el estudio comenzamos con fotogrametría hace mas de 10 años, nubes de puntos con escáner láser, fotogrametría con dron, modelos de Matterport… Cada tecnología ha ido bajando la barrera de entrada. Pero lo que está ocurriendo con Gaussian Splatting en los últimos dos años me parece un salto cualitativamente diferente. Hoy se puede capturar un espacio arquitectónico con el móvil, procesarlo en la nube y obtener una escena 3D fotorrealista y navegable. Sin GPU propia. Sin software especializado para el usuario final. En cuestión de minutos, según la complejidad de la escena y la plataforma utilizada.
¿Qué es Gaussian Splatting?
La técnica fue publicada en 2023 por Kerbl et al. en SIGGRAPH y desde entonces ha crecido con una velocidad inusual en el ámbito de la visión por computador.
En lugar de construir una malla poligonal convencional o una nube de puntos rígida, Gaussian Splatting representa la escena mediante millones de gaussianas tridimensionales: pequeños elementos elipsoidales que codifican posición, escala, orientación, opacidad y color dependiente de la vista. Al proyectarse sobre la imagen, estos elementos permiten renderizar la escena con gran fluidez y con una apariencia muy cercana a la fotografía original.
NeRF: la tecnología que vino antes
Para entender por qué Gaussian Splatting supone un avance, hay que conocer su antecesor directo: NeRF (Neural Radiance Fields). Desarrollado a partir de 2020, NeRF también parte de un conjunto de fotografías para reconstruir una escena en tres dimensiones, pero lo hace de manera diferente.
NeRF toma un conjunto de imágenes y estima cómo se vería la escena desde perspectivas que no fueron capturadas originalmente, rellenando los huecos mediante una función volumétrica continua aprendida por una red neuronal profunda. El resultado puede alcanzar una calidad visual extraordinaria, especialmente en detalles finos y transiciones suaves.
Mientras NeRF modela la escena completa como una función volumétrica continua, Gaussian Splatting la representa como una colección explícita de gaussianas 3D que mezclan la información de forma fluida. Este enfoque es una de las claves de su eficiencia en visualización.
Gaussian Splatting vs. NeRF: ¿en qué se diferencian realmente?
La siguiente tabla resume las diferencias más relevantes para el profesional de la edificación:
| NeRF | Gaussian Splatting | |
|---|---|---|
| Aparición | 2020 | 2023 |
| Representación | Campo radiativo continuo aprendido, habitualmente mediante red neuronal | Conjunto explícito de gaussianas 3D optimizadas |
| Renderizado | Consulta de una función o campo volumétrico, con distintas optimizaciones según método | Rasterización/proyección eficiente de gaussianas |
| Entrenamiento | Tradicionalmente más costoso, aunque existen variantes aceleradas | Generalmente más rápido en flujos modernos, especialmente con GPU o procesamiento en la nube |
| Visualización | Puede ser interactiva con métodos optimizados | Diseñada para renderizado en tiempo real de forma eficiente |
| Calidad visual | Muy alta | Muy alta |
| Edición y limpieza | Compleja en muchos flujos | Cada vez más accesible mediante herramientas específicas |
| Uso desde móvil | Más limitado para el usuario final | Ya integrado en aplicaciones móviles y web de consumo |
La calidad visual de ambas tecnologías puede ser comparable en escenas bien capturadas. La diferencia práctica está en el acceso: Gaussian Splatting ofrece una relación muy favorable entre calidad visual, velocidad de visualización y facilidad de despliegue, lo que lo hace directamente usable desde el móvil con aplicaciones de consumo.
Dicho esto, NeRF no ha desaparecido. Algunos métodos derivados de NeRF pueden ofrecer ventajas de compresión, almacenamiento o fidelidad en determinados escenarios, por lo que siguen siendo relevantes en flujos especializados.
Del laboratorio al bolsillo
Lo más relevante para el profesional de la edificación no es la teoría, sino lo que ocurre en el extremo práctico del flujo de trabajo. A principios de 2026 existen varias aplicaciones móviles y web de uso extendido que acercan este flujo al usuario final, entre ellas Scaniverse, Polycam, KIRI Engine y Luma AI. Para el usuario, el procesamiento pesado se realiza en la nube o dentro del ecosistema de la propia aplicación.
Un smartphone relativamente moderno, como un iPhone 11 o posterior o un Android de gama media o alta reciente, es suficiente para la mayoría de capturas.
La captura tiene su técnica. Para obtener buenos resultados conviene recorrer el espacio despacio, con movimientos estables, buena iluminación y suficiente solape entre imágenes o vídeo. El error más habitual es moverse demasiado rápido, generar desenfoque de movimiento o dejar zonas sin cobertura visual suficiente.
El iPhone 12 Pro en adelante, con sensor LiDAR, añade una ventaja adicional en determinados flujos: algunas aplicaciones aprovechan el LiDAR para captura en tiempo real de mallas, nubes de puntos o generación automática de plantas. Esto puede ser útil para estimaciones preliminares, pero no sustituye a un levantamiento verificado cuando haya responsabilidad dimensional.
¿Para qué sirve en arquitectura?
Gaussian Splatting mejora la representación visual de algunos elementos que suelen ser problemáticos para la fotogrametría clásica, como superficies brillantes, detalles finos, vidrios o geometrías delgadas. No elimina por completo los artefactos, ni convierte automáticamente la escena en un modelo métrico fiable, pero sí ofrece una documentación visual mucho más legible en muchos interiores reales.
Conviene señalar también una limitación estructural: Gaussian Splatting no proporciona por sí mismo la precisión geométrica que exige un levantamiento BIM de alta exactitud. Para eso siguen siendo necesarios el escáner láser, la fotogrametría calibrada u otros métodos de medición verificados.
Las aplicaciones más directas para el trabajo de estudio:
Documentación del estado previo. En una visita de obra, reforma o informe pericial, en lugar de depender solo de fotografías aisladas, se obtiene una escena navegable del espacio en el momento de la visita. El estado queda congelado con alta fidelidad visual y puede consultarse desde diferentes ángulos después.
Comunicación con cliente y dirección facultativa. Un modelo de Gaussian Splatting comunicado como recorrido inmersivo reduce la ambigüedad en reuniones. Gaussian Splatting empieza a competir con soluciones como Matterport en determinados usos, ofreciendo recorridos fotorrealistas que pueden capturarse con un smartphone.
BIM y gemelos digitales. El sector BIM lleva tiempo debatiendo cómo integrar estas nuevas representaciones visuales en los flujos de levantamiento, coordinación y gemelo digital. La respuesta honesta es que Gaussian Splatting aún no sustituye al escáner láser de precisión ni a una nube de puntos verificada cuando el proyecto exige control dimensional. Sin embargo, para toma de datos inicial, inspección visual, seguimiento de obra, documentación de patologías, coordinación preliminar o comunicación con cliente, la diferencia de coste y tiempo es difícil de ignorar.
Patrimonio y pericial. La capacidad de documentar el estado de un espacio con una escena tridimensional navegable y fotorrealista —generada durante la visita, sin equipamiento adicional complejo— puede incorporarse como documentación gráfica complementaria del informe.
El ecosistema en 2025-2026
En el ecosistema hispanohablante, los sectores donde la adopción parece más visible son inmobiliaria y proptech, turismo y patrimonio, arquitectura y digitalización patrimonial. 3DVista anunció compatibilidad con modelos Gaussian Splatting en 2025, integrándolos en sus tours virtuales con modos de exploración Fly Over, Orbital y primera persona, medición de distancias y hotspots interactivos.
En términos prácticos, Gaussian Splatting ha mejorado de forma notable la relación entre calidad visual, velocidad de renderizado y facilidad de despliegue respecto a muchos flujos basados en NeRF. Aun así, la comparación depende del método concreto, del tamaño de la escena, del nivel de compresión y de la plataforma de visualización.
Lo que he probado
Yo lo he explorado con Scaniverse y Polycam en el iPhone 16 Pro. El sensor LiDAR marca una diferencia real en espacios interiores: la captura es más estable, con menos deriva en superficies neutras. Para modelos de Gaussian Splatting puros, Scaniverse ofrece un flujo muy ágil con procesamiento en la nube y resultado navegable en la propia app. Polycam añade exportación en PLY, uno de los formatos habituales para intercambiar Gaussian Splats y nubes de puntos, además de generación automática de plantas, lo que lo hace más versátil para algunos flujos profesionales.
El resultado no es perfecto: los bordes de ventanas con contraluz, los espejos y las superficies muy reflectantes siguen siendo problemáticos. Pero como herramienta de documentación rápida y comunicación visual, la relación entre esfuerzo y resultado es extraordinaria.
Os dejo un tutorial en el que además de ver ejemplos explican como puedes hacerlo tu mismo: https://www.youtube.com/watch?v=hZBM_kjhHfc&t=5s
Conclusión
Gaussian Splatting no va a sustituir mañana al escáner de nube de puntos en una rehabilitación compleja, ni resuelve por sí solo todos los escenarios donde se exige máxima fidelidad visual, compresión extrema o control geométrico. Pero ya ofrece algo que ninguna tecnología anterior había combinado de forma tan accesible: coste bajo, rapidez, calidad visual y facilidad de uso en un mismo flujo de trabajo, con el teléfono del bolsillo y en el tiempo de una visita.
Vale la pena integrarlo en el flujo de trabajo. Yo lo estoy haciendo.
¿Tienes experiencia con captura 3D en proyectos de arquitectura? Me interesa conocer casos de uso reales. Deja tu comentario o escríbeme.