NVIDIA muestra cómo Lyra 2.0 convierte una foto en un mundo 3D explorable

NVIDIA lleva años explorando cómo la inteligencia artificial puede transformar la creación de entornos virtuales, pero Lyra 2.0 propone algo especialmente llamativo: partir de una sola fotografía y convertirla en un mundo tridimensional que podemos recorrer. La compañía ha vuelto a mostrar el proyecto en nuevas demostraciones difundidas el 6 de noviembre, antes de su presentación en SIGGRAPH Asia 2026. No es un lanzamiento recién anunciado —la investigación y el código se publicaron en abril—, sino una nueva oportunidad de comprobar hasta dónde llega una tecnología que va más allá de generar vídeos: permite elegir hacia dónde avanza la cámara y construir progresivamente espacios que no aparecen en la imagen original.

Para conseguirlo, Lyra 2.0 genera secuencias de vídeo a partir de la fotografía inicial y de la trayectoria que marca el usuario. Su principal desafío es mantener la coherencia: si nos alejamos de un edificio y regresamos, debería conservar su apariencia, en lugar de transformarse por el camino. NVIDIA combina información geométrica de las vistas anteriores con un sistema entrenado para corregir los errores que se acumulan durante la generación. Después reconstruye el escenario mediante Gaussian Splatting o mallas poligonales, obteniendo una representación tridimensional que puede renderizarse desde distintos ángulos. Esa diferencia es importante frente a otros sistemas de generación visual, como el Genie 3 de Google: aquí también interesa conservar el mundo como un recurso 3D reutilizable.

Los escenarios pueden exportarse a herramientas como NVIDIA Isaac Sim, donde servirían para preparar simulaciones y entrenar sistemas robóticos. También se abren posibilidades para videojuegos y realidad virtual, aunque conviene contener el entusiasmo: Lyra 2.0 genera principalmente entornos estáticos, no aventuras completas con personajes y física interactiva. Además, poder visualizar el resultado en tiempo real no significa crearlo instantáneamente. Una versión optimizada necesita unos 15 segundos para generar 80 fotogramas utilizando una potente GPU GB200. El proyecto continúa siendo experimental, pero muestra una dirección prometedora: que crear un escenario digital empiece por enseñar a la IA una imagen y decidir qué hay más allá de sus bordes.

Más información