【Resumen】El sistema AutoMIA, desarrollado por un equipo de la Universidad de Tsinghua, puede transformar dos imágenes cualesquiera en una obra de arte 3D con efecto de ilusión de espejo, logrando presentaciones visuales con patrones diferentes en el anverso y el reverso, y admite impresión 3D.
Observa primero los dos grupos de fotografías: en cada grupo, la izquierda muestra el patrón frontal del objeto frente al espejo, y la derecha muestra su reflejo en el espejo. Lo extraño es que lo frontal y lo reflejado en el espejo parecen ser dos cosas completamente distintas: en el primer grupo, el frontal es 'CVPR', pero en el espejo aparece '2026'; en el segundo grupo, el frontal es 'montaña', pero en el espejo se convierte en 'agua'.
Sus contornos, colores e incluso significados no coinciden, como si fuera una 'ilusión'.
La razón es que proviene de un objeto 3D especialmente diseñado, que aprovecha el 'efecto de completado simétrico' del sistema visual humano para crear una ilusión. Este fenómeno se conoce como arte de ilusión de espejo.
Los investigadores, a través de un diseño cuidadoso de la geometría tridimensional y el color de la superficie, logran que un objeto real presente efectos visuales completamente distintos al observarlo directamente y al verlo en el espejo.
A continuación, se presentan dos videos de 'descifrado' correspondientes.
Tradicionalmente, el diseño de este tipo de obras de arte requiere una concepción ingeniosa por parte de artistas especializados, así como una gran cantidad de experiencia en diseño manual complejo y cálculos matemáticos, lo que hace que el umbral para que personas comunes creen este arte sea muy alto.
Entonces, ¿existe algún método que pueda ayudar automáticamente a las personas a completar este diseño artístico, permitiendo que las personas comunes también transformen su inspiración en obras de arte?
Recientemente, un equipo de investigación de la Universidad de Tsinghua y otras instituciones propuso AutoMIA, un método de diseño de IA que genera automáticamente arte de ilusión de espejo. Los usuarios solo necesitan especificar dos imágenes cualesquiera, correspondientes al patrón frente al espejo y al patrón dentro del espejo, y AutoMIA puede completar automáticamente el diseño de la obra de arte 3D y admitir su impresión 3D directa para crear la obra.
Enlace al artículo: http://arxiv.org/abs/2607.02015
Enlace al código: https://github.com/zxp555/AutoMIA
El artículo ha sido aceptado en CVPR 2026 y calificado como artículo destacado (Highlight Paper); además, debido a su alta eficiencia computacional, este trabajo también recibió el premio Efficient CVPR.
Antecedentes de la investigación
El arte de ilusión óptica ha sido durante mucho tiempo un tema importante en la intersección del arte, la psicología y la visión por computadora. Las ilusiones 2D comunes incluyen imágenes mixtas, imágenes de deformación visual, etc.; las ilusiones 3D incluyen Shadow Art, Multi-View Wire Art, etc.
Estos métodos suelen depender de ángulos de visión, proyecciones o relaciones de sombras específicas para que un mismo objeto presente apariencias diferentes bajo diferentes condiciones de observación.
Mirror Illusion Art es una ilusión 3D más especial: cuando un objeto real se coloca frente a un espejo, el observador ve un patrón desde el frente y otro patrón en el espejo.
Anteriormente, los diseños relacionados requerían mucha deducción manual y ajustes artesanales, y a menudo se centraban en el diseño de formas, siendo difícil manejar simultáneamente patrones de color. Si se adoptan directamente métodos como Shadow Art, es fácil generar ruido superficial, bloques flotantes en el fondo o fracturas internas, afectando la calidad visual y la fabricación física.
Por lo tanto, los autores plantean una pregunta directa: ¿Puede la IA diseñar automáticamente este tipo de objetos de ilusión en espejo? Dadas dos imágenes objetivo, ¿puede el sistema optimizar simultáneamente la forma 3D y el color para que un mismo objeto presente dos apariencias especificadas desde dos puntos de vista?
Método de investigación
AutoMIA modela este problema como una tarea de diseño inverso de doble perspectiva. El sistema representa el objeto 3D mediante vóxeles, cada uno contiene información de densidad y color; luego, mediante renderizado volumétrico diferenciable, se renderiza el objeto desde dos perspectivas especificadas, y se comparan los resultados renderizados con las dos imágenes objetivo.
El objetivo de optimización incluye simultáneamente similitud de forma y similitud de color, permitiendo que el objeto generado cumpla tanto con los requisitos de contorno como genere el color de la imagen objetivo.
En la optimización real, los autores identificaron cuatro problemas clave: ruido superficial, ruido de fondo, fractura interna y desequilibrio en la optimización de forma y color.
Para abordarlos, el artículo propone cuatro mecanismos centrales.
En primer lugar, PAC, es decir, Poda de Componentes Conectados basada en Alineación de Proyección. El sistema proyecta cada componente conectado en los vóxeles actuales a las dos perspectivas, evalúa según su grado de coincidencia con la máscara objetivo y la superposición con el fondo, conservando las estructuras que realmente contribuyen al patrón objetivo y eliminando las partes de ruido flotantes o ineficaces.
En segundo lugar, PWA, es decir, Supresión de Ruido Adaptativa Ponderada por Posición. Ajusta el peso de penalización del fondo según la distancia del píxel a la región objetivo, penalizando más fuertemente las proyecciones erróneas lejanas al patrón objetivo, reduciendo así el ruido de fondo distante.
En tercer lugar, IVP, es decir, Protección de Vóxeles Internos. Dado que las imágenes de supervisión restringen principalmente la superficie del objeto, los vóxeles internos pueden debilitarse erróneamente durante la optimización, causando fracturas estructurales. IVP identifica los vóxeles internos y aplica un límite inferior de densidad, ayudando a mantener la integridad del objeto, lo cual es especialmente importante para la posterior impresión 3D.
Finalmente, SCD, es decir, Optimización Desacoplada de Forma y Color. AutoMIA divide el proceso de entrenamiento en etapas de optimización de forma, optimización conjunta de forma y color y refinamiento de color, evitando que el color interfiera prematuramente en la estructura geométrica y reduciendo los conflictos de color entre diferentes perspectivas.
Resultados experimentales
El artículo verifica AutoMIA con múltiples tipos de imágenes 2D como entrada, incluyendo letras del alfabeto inglés, números, caracteres chinos, patrones geométricos, emojis, dibujos animados y logotipos, entre otros.
En los experimentos, los autores compararon AutoMIA con métodos como Shadow Art (SA) y Shadow Art Revisited (SAR). Dado que los métodos de base admiten principalmente la optimización de formas, la comparación se centró en métricas como suavidad, nivel de ruido y consistencia de forma.
Los resultados muestran que AutoMIA logra una ventaja notable en calidad de reconstrucción. Según el informe del artículo, AutoMIA alcanza un nivel de suavidad (SL) de 0.989, un nivel de ruido (NL) reducido a 0.049 y una consistencia de forma (SS) de 0.931; en comparación, SA y SAR muestran diferencias significativas en consistencia de forma y control de ruido.
Al mismo tiempo, el tiempo promedio de diseño de AutoMIA en una sola RTX 3090 fue de solo 76 segundos, con un uso promedio de memoria de aproximadamente 2.6GB, demostrando una alta eficiencia computacional.
Desde los resultados de visualización, SA y SAR tienden a generar ruido flotante, superficies irregulares o fracturas internas, lo que dificulta la formación de una estructura física estable y completa.
Mientras que los resultados generados por AutoMIA no solo coinciden mejor con los contornos de las dos imágenes objetivo, sino que también reconstruyen la superficie de color de la imagen de entrada, dando una clara semántica visual tanto a la vista frontal como a la vista en el espejo.
Para el arte de ilusión de espejo, esto es particularmente crucial: si la forma es correcta pero el color es caótico, o si el color es similar pero la estructura está fragmentada, al final es difícil lograr un efecto de ilusión convincente.
Los experimentos de ablación demuestran además que PAC, PWA, IVP y SCD contribuyen al resultado final. Eliminar cualquier módulo conduce a una disminución en la calidad de la reconstrucción. Por ejemplo, eliminar PAC aumenta significativamente el ruido y reduce la consistencia de forma; eliminar SCD afecta la forma, el color y el efecto de suavidad.
Esto indica que AutoMIA no solo depende de la optimización de vóxeles, sino que ha sido diseñado sistemáticamente para abordar los problemas específicos que surgen en el diseño de ilusiones de espejo.
A continuación se presenta un ejemplo del mundo digital, donde se puede observar que en el software de simulación digital Blender se renderiza un objeto de ilusión de espejo con buenos efectos.
Además de los resultados digitales, el artículo también muestra múltiples casos de fabricación física. Los autores convirtieron los modelos de vóxeles optimizados a un formato imprimible en 3D y fabricaron objetos reales mediante impresión 3D.
En las fotografías de los objetos físicos, el frente y el reflejo en el espejo muestran patrones diferentes, indicando que este método puede pasar con éxito del diseño digital al mundo físico.
Los usuarios pueden basarse en este método para crear diversos tipos de obras de arte.
Conclusiones y perspectivas
Los investigadores proponen AutoMIA, un sistema de diseño de IA para la generación automática de arte de ilusión de espejo.
Puede partir de dos imágenes 2D, optimizar conjuntamente la forma y el color de un objeto 3D, y mejorar la calidad del resultado mediante mecanismos como PAC, PWA, IVP y SCD, haciendo que el objeto generado sea más suave, más completo y más adecuado para la fabricación real.
Este trabajo muestra nuevas posibilidades de la IA en el diseño computacional y la creación artística: no solo puede generar imágenes, sino también diseñar objetos de ilusión 3D realizables físicamente. Un objeto tiene solo una forma en la realidad, pero puede presentar otra identidad visual en el espejo. Este efecto de 'inconsistencia entre el frente y el reflejo en el espejo' también proporciona nuevas direcciones de investigación para la percepción visual, la gráfica inversa y la fabricación digital.
Sobre los autores
Los autores del artículo son, en orden: Zhu Xiaopei, investigador postdoctoral en la Universidad de Tsinghua, tutorado por el profesor Zhu Jun; Li Zeyuan (primer autor conjunto), estudiante de pregrado de la Universidad de Ciencia y Tecnología de Huazhong; y los profesores de la Universidad de Tsinghua, Zhu Jun y Hu Xiaolin (autor correspondiente).
Referencias: http://arxiv.org/abs/2607.02015
Este artículo proviene del WeChat público "New Zhiyuan", autor: New Zhiyuan; editor: LRST
