Un servicio web construido sobre los modelos SAM 3D de código abierto de Meta: marca un objeto o una persona en la foto, obtén una malla texturizada en segundos y expórtala en GLB o PLY sin tarjeta gráfica propia.
¿Has usado esta herramienta? Valórala
¿Has usado esta herramienta? Valórala
SAM 3D, publicado en sam3d.org, es un servicio de imagen a 3D que funciona íntegramente en el navegador y convierte una sola fotografía corriente en una malla tridimensional texturizada que puedes descargar y abrir en cualquier programa 3D habitual. Subes una imagen, señalas el objeto o la persona que te interesa y recibes geometría, textura y pose, incluidas superficies verosímiles en la cara del objeto que la cámara nunca llegó a ver. No hace falta plato giratorio, ni una sesión de captura multiángulo, ni una cadena de fotogrametría a la que haya que vigilar.
Lo primero que conviene aclarar es la titularidad, porque el nombre se presta a confusión. Este sitio no pertenece a Meta. El apartado de preguntas frecuentes del propio sitio incluye una advertencia explícita de que el proyecto es independiente y no está afiliado a Meta. Lo que hay aquí en realidad es un operador independiente que aloja los pesos de los modelos SAM 3D publicados abiertamente por Meta y los comercializa tras su propia interfaz web, su propia facturación y su propio visor. La promesa de la portada resulta honesta por lo directa: convertir cualquier foto en activos 3D detallados y realistas, a partir de los modelos SAM 3D de código abierto de Meta, sin instalación y sin tarjeta gráfica. Esa frase describe con exactitud la propuesta de valor: la inteligencia procede de la investigación previa y lo que se vende es un acceso cómodo a ella.
Entender esa separación en dos capas condiciona casi todas las decisiones prácticas que tomarás con esta herramienta. La calidad de reconstrucción, los modos de fallo y las condiciones de licencia del modelo se remontan a los modelos originales y a su comportamiento documentado. El precio, la contabilidad de créditos, los límites de subida, la conservación de datos y el soporte dependen por completo del operador. Evalúa ambas capas por separado: el modelo determina si tu malla sirve, y el operador determina cuánto pagas y qué ocurre con lo que subes.
Dos cadenas de reconstrucción diferenciadas. SAM 3D Objects se encarga de la reconstrucción de objetos con conciencia de escena: seleccionas cualquier objeto de una foto y obtienes una malla con información de pose, incluso en encuadres abarrotados. SAM 3D Body es la cadena dedicada a personas y recupera la postura y la forma corporal a partir de una sola imagen. Los accesos están separados porque resuelven problemas realmente distintos: uno predice geometría de objetos arbitrarios y el otro ajusta una representación paramétrica del cuerpo humano.
Selección mediante indicación en lugar de máscara pintada a mano. La cara del objeto se señala de tres maneras: por descripción textual, por clic o por recuadro. Escribir «taburete de madera» es una forma perfectamente legítima de aislar un sujeto, igual que lo es un único clic. Esto hereda directamente de la estirpe Segment Anything, cuya aportación central es precisamente la segmentación interactiva de vocabulario abierto.
La geometría oculta y trasera se infiere, no se deja hueca. Una sola fotografía no contiene información alguna sobre la parte trasera de un objeto, así que el modelo inventa un reverso verosímil en lugar de producir una lámina plana o una cáscara abierta. El resultado es un activo cerrado, observable desde cualquier ángulo. Se trata de invención y no de medición, que es exactamente el trato que aceptas al elegir la reconstrucción a partir de una imagen.
Un rig humano que separa esqueleto y tejido blando. La cadena corporal se apoya en el Meta Momentum Human Rig, una representación que mantiene la estructura esquelética y la forma del tejido blando como componentes separables. Para quien necesite animar el resultado, esa separación resulta mucho más útil que un amasijo indiferenciado de vértices, porque pose y complexión pasan a editarse de forma independiente.
Formatos de exportación estándar, listos para el motor. Los objetos se exportan en GLB para juegos y aplicaciones web, en nubes de puntos PLY para flujos técnicos, o como paquete ZIP completo con todos los formatos incluidos. Los archivos exportados se describen como listos para su uso inmediato en Unity, Unreal, Blender y otros programas 3D estándar, razón por la cual GLB es la opción por defecto salvo que una herramienta posterior pida expresamente datos de puntos.
Un visor en el navegador antes de gastar una descarga. Las mallas generadas pueden orbitarse, ampliarse e inspeccionarse en un visor interactivo dentro de la propia página. Esto pesa más de lo que parece: la reconstrucción monoimagen falla de maneras evidentes desde una vista de tres cuartos e invisibles desde el ángulo original de cámara, así que revisar antes de confirmar ahorra tiempo real.
Visores de formatos como complemento. Junto a la generación, el sitio aloja visores en línea independientes para archivos de intercambio 3D habituales como GLB, PLY, OBJ, FBX, GLTF, STL y DAE. Son utilidades periféricas más que el producto central, pero resultan cómodas cuando quieres comprobar un activo sin abrir una aplicación pesada.
Visualización de producto para comercio electrónico. La fotografía de catálogo suele ser el único activo del que dispone un comercio pequeño, y encargar un escaneo 3D por referencia resulta prohibitivo. Reconstruir un modelo girable a partir de esa foto ya existente habilita la colocación en la estancia del cliente y las vistas de producto a 360 grados. Trata el resultado como material de presentación y no como una réplica dimensionalmente fiel: parecerá correcto mucho antes de medir correctamente.
Bloqueo rápido de niveles y prototipos de juego. Quienes diseñan niveles necesitan constantemente una silla, una caja, un patinete o un bolardo cuya silueta baste para leerse, mientras el arte definitivo sigue en producción. Generar un GLB desde una foto de referencia y soltarlo en Unity o Unreal cubre ese hueco en minutos. Muchos de esos activos provisionales acabarán sustituidos, de modo que la velocidad de generación vale bastante más que la calidad de la topología.
Referencia de personaje y mallas base. La cadena corporal convierte una fotografía de referencia de cuerpo entero en una malla posada que un artista de personajes puede usar como andamiaje de proporciones. Sustituye a un bloqueo previo al esculpido, no a un personaje de producción, pero partir de una silueta humana aproximadamente correcta siempre supera empezar por una esfera.
Ambientación de escenas de AR y VR. Las escenas inmersivas son voraces en atrezo, y GLB es ciudadano de primera clase en la mayoría de cadenas de WebXR y realidad aumentada móvil. Fotografiar los objetos del entorno real que estás recreando y reconstruirlos uno a uno produce un conjunto que sabe a ese lugar concreto en vez de oler a biblioteca genérica de activos.
Docencia, archivo y visualización para investigación. Museos, docentes e investigadores de campo suelen conservar fotografías de especímenes, artefactos o equipos que ya no pueden volver a escanear físicamente. Un modelo tridimensional aproximado construido a partir de una imagen de archivo sostiene material didáctico interactivo y discusión espacial, siempre que se declare con claridad al público el carácter aproximado de la geometría.
Experimentación en visión por computador sin infraestructura. Quienes investigan o desarrollan y quieren ver cómo se comportan estos modelos con sus propias imágenes antes de decidir si los alojan por su cuenta, pueden pasar un puñado de imágenes representativas. Alojar uno mismo esos mismos pesos abiertos exige, según la documentación, un entorno Linux de 64 bits y una GPU NVIDIA con al menos 32 GB de memoria de vídeo, así que probar el servicio alojado es la forma más barata de responder a si merece la pena comprar el equipo.
Elige la cadena adecuada para tu sujeto. Envía objetos inanimados, mobiliario, productos y atrezo de escena al acceso Objects, y las fotografías de personas al acceso Body. Meter a una persona en la cadena de objetos suele producir una malla rígida, de aire estatuario, sin nada de la estructura de rig que hace útil a un modelo corporal.
Prepara una entrada que el modelo pueda leer de verdad. Las subidas admiten archivos JPEG, PNG y WebP de hasta 10 MB. Escoge una toma donde el sujeto no esté tapado, tenga una iluminación razonable y ocupe buena parte del encuadre. Como el reverso se infiere en lugar de observarse, una vista de tres cuartos que revele dos caras del objeto ofrece al modelo mucho más material que una toma frontal y plana.
Aísla el sujeto. El flujo de objetos documentado es un ciclo de cuatro pasos: subir una imagen, seleccionar objetos, generar el modelo 3D y descargarlo. En la fase de selección, describe el objeto con palabras, haz clic sobre él o dibuja un recuadro, y comprueba que la máscara devuelta ciñe la silueta real. Una máscara que se derrama al fondo o se traga un objeto contiguo propagará ese error hasta la geometría, así que compensa volver a indicar aquí en lugar de arreglarlo después.
Genera e inspecciona desde ángulos poco familiares. Ejecuta la reconstrucción y gira de inmediato el resultado en el visor. Fíjate en concreto en la superficie que la cámara nunca vio, en estructuras finas como asas y patas, y en cualquier región ocluida en la foto original. Ahí es donde la reconstrucción monoimagen concentra sus errores.
Exporta en el formato que espera tu destino. GLB para motores de juego, renderizadores en tiempo real y visores web; PLY cuando una cadena técnica espera datos de puntos; el paquete ZIP cuando quieras dejar abiertas todas las opciones. Para reconstrucciones humanas, GLB es el destino práctico de exportación.
Limpia antes de llevarlo a producción. Importa en Blender o en el paquete que prefieras y cuenta con retopología, trabajo de UV o decimación según adónde vaya el activo. Trata la descarga como un punto de partida sólido y no como una entrega terminada.
Fotografía para reconstruir, no para lucir. Si controlas la cámara, encuadra el sujeto completo en tres cuartos, sobre un fondo que contraste claramente con él. La luz difusa y uniforme funciona mejor que la iluminación dramática: las sombras duras se interpretan como geometría y quedan horneadas en la textura.
Corrige una máscara mala en la fase de máscara. Casi toda malla decepcionante procede de una selección ligeramente equivocada. Reformula con más precisión, añade un clic, ajusta el recuadro. Treinta segundos dedicados a la máscara ahorran de forma fiable una generación desperdiciada.
Aísla en lugar de reconstruir escenas enteras. Recortar a un único objeto bien despegado del fondo suele superar el intento de entregar una composición densa esperando que el modelo lo resuelva. Si necesitas una escena, reconstruye varios objetos por separado y móntalos en tu programa 3D, donde conservas control total sobre la colocación.
Presupuesta generaciones, no solo dinero. Como los créditos y las peticiones de segmentación se contabilizan por separado, acostumbrarse a segmentar varias selecciones candidatas y generar solo a partir de la mejor aprovecha la cuota mucho mejor. La segmentación es el paso barato; la generación, el caro.
Verifica la escala a mano. La reconstrucción a partir de una sola imagen no lleva ninguna referencia de escala absoluta. Una vez importado, fija el tamaño de al menos un objeto contra una dimensión real conocida antes de construir nada a su alrededor.
No uses la malla como medición. En todo aquello donde las dimensiones tengan consecuencias —fabricación, ajuste, trabajos médicos o próximos a la seguridad— recurre a un instrumento de medida real. Estos modelos son visualmente verosímiles, que no es lo mismo que métricamente correctos.
Revisa la cadena de derechos antes de publicar comercialmente. Los derechos se dividen en dos capas: tu derecho a usar lo que produce el servicio y tu derecho sobre el contenido representado en tu fotografía de origen. Una licencia permisiva en el modelo no te concede derechos sobre el diseño de producto ajeno, una obra artística o la imagen de una persona.
Desarrolladores de juegos independientes y artistas técnicos que necesitan atrezo y geometría de bloqueo más rápido de lo que una cadena de modelado puede suministrar, y a quienes no importa limpiar mallas después.
Equipos de comercio electrónico y marketing de producto sentados sobre grandes catálogos de fotografía plana que quieren presentaciones interactivas y girables sin encargar captura 3D por referencia.
Creadores de AR/VR y WebXR que necesitan atrezo en GLB para poblar escenas inmersivas y valoran la rapidez de entrega por encima del acabado polígono a polígono.
Generalistas y aficionados al 3D que exploran qué sabe y qué no sabe hacer hoy la reconstrucción monoimagen, y prefieren una suscripción modesta a montarse una estación de trabajo.
Ingenieros e investigadores de visión por computador que evalúan la familia SAM 3D con sus propias imágenes antes de decidir si alojan por su cuenta los pesos abiertos.
Docentes y creadores de contenido que quieren ilustraciones tridimensionales interactivas construidas a partir de imágenes que ya poseen, para clases, divulgación o vídeo.
Artistas de personajes en busca de una malla base humana con proporciones sensatas obtenida de una foto de referencia, como punto de partida de esculpido y no como personaje terminado.
Prototipadores y diseñadores que necesitan un sustituto espacial rápido de un objeto durante las fases de concepto y distribución, donde lo aproximado basta de sobra.
El navegador web constituye el producto entero. El servicio se ejecuta en el navegador y el cálculo se realiza en el servidor. No se anuncia aplicación de escritorio, aplicación móvil ni extensión de navegador, y ese es el diseño buscado: el sentido de un servicio alojado consiste precisamente en que el cálculo pesado no ocurra en tu máquina.
Una salida que viaja a los programas 3D estándar. Los archivos exportados se describen como listos para su uso inmediato en Unity, Unreal, Blender y otros programas 3D estándar. GLB en particular goza de un soporte amplísimo en motores, visores web y aplicaciones de creación modernas.
Visores de formatos alojados junto a la generación. Hay visores en línea para archivos GLB, PLY, OBJ, FBX, GLTF, STL y DAE, útiles para una inspección rápida sin abrir programas más pesados.
El alojamiento propio como vía alternativa. Dado que los modelos subyacentes se publicaron abiertamente, ejecutarlos uno mismo es una opción real. Alojar uno mismo esos mismos pesos abiertos exige, según la documentación, un entorno Linux de 64 bits y una GPU NVIDIA con al menos 32 GB de memoria de vídeo. Ese requisito de hardware es el argumento más claro de por qué existe siquiera una interfaz alojada.
Sin nivel de API pública anunciado. El sitio no publicita, dentro de sus planes, una interfaz de programación documentada ni un kit de desarrollo. Los equipos que necesiten reconstrucción por lotes controlada por programa deberían valorar el alojamiento propio o una plataforma de inferencia que exponga estos modelos como punto de acceso. (por verificar)
El acceso se articula por suscripción en tres niveles publicados —Basic, Pro y Max—, con una facturación anual anunciada a mitad de la tarifa mensual. Los niveles difieren en volumen y no en capacidades: los tres enumeran el mismo conjunto de funciones, y lo que cambia al subir es cuánto puedes procesar cada mes. Cada nivel mide dos presupuestos separados: una bolsa de créditos de generación mensuales y una asignación mensual distinta de peticiones de segmentación de imagen. Conviene interiorizar esa doble contabilidad antes de suscribirse, porque un flujo que explora muchas selecciones candidatas consume rápido la asignación de segmentación sin apenas tocar los créditos de generación, mientras que un flujo de conversión por lotes hace justo lo contrario. Los niveles publicados indican además una tarifa efectiva por crédito que desciende conforme sube el nivel: el descuento por volumen de siempre.
Los niveles de pago anuncian la eliminación de la marca de agua, velocidad de procesamiento prioritaria y derechos de uso comercial como prestaciones del plan. Que la eliminación de la marca de agua figure como función de pago implica que la salida no pagada o de prueba la lleva incorporada, disposición convencional en esta categoría. El sitio no publica en su página de precios una asignación gratuita detallada, una política de reembolsos ni una vía de contratación empresarial, y los precios de cualquier servicio por suscripción cambian con el tiempo. Verifica las tarifas vigentes, el coste exacto en créditos de una generación y las condiciones de uso comercial en la propia página de precios antes de comprometerte, sobre todo si tu trabajo depende de esos derechos comerciales. (por verificar)
Si lo que necesitas es reconstrucción a partir de una sola imagen, existen varias vías y se distinguen sobre todo por quién las opera. La alternativa más directa consiste en subir al origen: los pesos de SAM 3D los publica Meta abiertamente, de modo que ejecutarlos por tu cuenta elimina por completo la capa intermedia, a costa de aprovisionar una GPU considerable. Meta opera además su propio espacio alojado para probar los modelos, primera parada natural si solo quieres ver el resultado de la investigación sin suscribirte.
Más allá de esta familia de modelos, el terreno más amplio de la generación 3D desde imagen y desde texto incluye productos especializados orientados a activos listos para juego, y plataformas de inferencia generalistas que exponen numerosos modelos abiertos —este entre ellos— tras una API facturada por llamada, fórmula que encaja mejor con el trabajo automatizado por lotes que una suscripción por puesto. Y cuando la precisión importa de verdad, la alternativa honesta no es otro generador: la fotogrametría clásica a partir de una captura multiángulo en condiciones, o un escáner 3D real, siguen produciendo geometría medible y correcta que ningún método monoimagen alcanza. Elige según el requisito: rapidez y comodidad apuntan a la generación alojada; fidelidad y confianza dimensional, a la captura real.
La resolución y el detalle tienen techo. La documentación del modelo original reconoce con franqueza que una resolución de salida moderada limita el detalle y que el modelo de objetos no sabe razonar sobre interacciones físicas como el contacto o la interpenetración. La textura fina de superficie, las aristas mecánicas nítidas y los rasgos pequeños quedarán suavizados o se perderán. Objetos reconstruidos por separado pueden atravesarse al montarlos, porque nada en la cadena impone verosimilitud física entre ellos.
La cara que no se ve está inventada. Todo lo que da la espalda a la cámara se genera a partir de conocimientos aprendidos, no de observación. En objetos familiares y simétricos la conjetura suele resultar convincente. En objetos asimétricos, o en cualquiera con detalle distintivo en la cara oculta, el reverso estará equivocado con total aplomo. Inspecciona siempre por detrás antes de confiar en un activo.
La reconstrucción humana tiene fronteras documentadas. El modelo corporal procesa a cada individuo por separado, sin considerar interacciones entre varias personas ni entre persona y objeto. Una foto de grupo no dará un conjunto que interactúe de forma coherente, y la articulación fina de las manos es una debilidad conocida de los modelos corporales generalistas.
Las mallas no están listas para fabricación. Una prueba práctica independiente orientada a la fabricación aditiva concluyó que estas mallas no resultan aptas para su procesado directo en un laminador, alegando superficies que no son ni lisas ni estancas. Quien planee imprimir la salida en 3D debe contar con una pasada de reparación y remallado, y no presuponer la imprimibilidad.
La topología es generada, no compuesta. Espera mallas densas e irregulares, sin un flujo de aristas planificado por un artista ni un despliegue de UV limpio. Para animación, deformación o un presupuesto ajustado de polígonos, la retopología deja de ser opcional.
Las restricciones de entrada son reales. Las subidas se limitan a JPEG, PNG y WebP hasta 10 MB, y la reconstrucción corporal funciona mejor con tomas de cuerpo entero. Fotografías de baja resolución, muy comprimidas, con trepidación o de ángulo extremadamente oblicuo degradan el resultado antes de que el modelo tenga ocasión de intervenir.
Los derechos vienen por capas y el lenguaje comercial las aplana. El código original se distribuye con una licencia permisiva similar a Apache 2.0 y es libre para uso comercial, que es precisamente lo que hace lícito el alojamiento independiente de estos pesos. Esa licencia gobierna el modelo, no tu imagen de entrada. Reconstruir un diseño de producto protegido, una obra de arte o una persona reconocible genera obligaciones que ninguna licencia de modelo resuelve.
La privacidad merece una decisión deliberada. Subir una fotografía a cualquier servicio alojado significa transmitirla a un operador ajeno. Las fotografías de personas identificables son datos personales en numerosas jurisdicciones, y la reconstrucción corporal es por naturaleza un tratamiento de imágenes de personas. El sitio no publica de forma destacada un plazo de conservación de datos, así que confirma las condiciones vigentes antes de subir nada sensible, confidencial o inédito. (por verificar)
La continuidad del operador es una incógnita. Se trata de un servicio independiente levantado sobre modelos abiertos de un tercero, en una categoría de rotación rápida. Descarga y archiva los activos de los que dependas en lugar de tratar el servicio como almacenamiento duradero.
No. Es un servicio comercial independiente que aloja los modelos SAM 3D publicados abiertamente por Meta tras su propia interfaz y facturación. El apartado de preguntas frecuentes del propio sitio incluye una advertencia explícita de que el proyecto es independiente y no está afiliado a Meta. Si buscas concretamente la demostración alojada por Meta o los materiales de investigación originales, acude a las propiedades oficiales de Meta. La distinción importa para el soporte, la facturación, las condiciones de privacidad y cualquier compromiso comercial.
Una imagen. Las subidas admiten archivos JPEG, PNG y WebP de hasta 10 MB. A diferencia de la fotogrametría, no se requiere un conjunto de tomas multiángulo, que es justamente el sentido de la técnica y también el origen de la mayoría de sus límites, ya que todo lo que no aparezca en ese único fotograma hay que inferirlo.
Los objetos se exportan en GLB para juegos y aplicaciones web, en nubes de puntos PLY para flujos técnicos, o como paquete ZIP completo con todos los formatos incluidos. Las reconstrucciones de cuerpo se exportan en GLB. GLB es el valor por defecto acertado para todo lo que vaya a un motor de juego o a un visor web; PLY encaja con cadenas técnicas que esperan datos de puntos.
Los niveles de pago anuncian la eliminación de la marca de agua, velocidad de procesamiento prioritaria y derechos de uso comercial como prestaciones del plan, y la licencia del modelo original permite el uso comercial. Pero eso cubre únicamente la herramienta y el modelo: no te otorga derechos sobre lo representado en tu fotografía de origen. Un diseño de producto protegido, una obra, un logotipo o una persona reconocible acarrean cada uno obligaciones propias. Lee las condiciones vigentes del servicio y resuelve por separado los derechos sobre tus imágenes.
Suficiente para visualización, prototipado, atrezo y referencia; insuficiente para tomarse como medición o como geometría final de producción. La documentación del modelo original reconoce con franqueza que una resolución de salida moderada limita el detalle y que el modelo de objetos no sabe razonar sobre interacciones físicas como el contacto o la interpenetración. Planifica una pasada de limpieza.
No de manera fiable sin trabajo de reparación. Una prueba práctica independiente orientada a la fabricación aditiva concluyó que estas mallas no resultan aptas para su procesado directo en un laminador, alegando superficies que no son ni lisas ni estancas. Habría que pasar la malla por herramientas de reparación y remallado y comprobar su estanqueidad antes de laminarla.
Porque la barrera es el hardware. Alojar uno mismo esos mismos pesos abiertos exige, según la documentación, un entorno Linux de 64 bits y una GPU NVIDIA con al menos 32 GB de memoria de vídeo. Si ya dispones de ese equipo y de disposición operativa, el alojamiento propio sale más barato con volumen y mantiene tus imágenes en tu propia infraestructura. Si no, la suscripción convierte un problema de inversión y operaciones en una cuota mensual.
Son dos contadores distintos. Cada nivel mide dos presupuestos separados: una bolsa de créditos de generación mensuales y una asignación mensual distinta de peticiones de segmentación de imagen. Seleccionar y afinar una máscara consume la asignación de segmentación; producir la malla 3D propiamente dicha consume créditos de generación. En la práctica esto premia un flujo en el que segmentas con libertad hasta dar con la selección correcta y solo entonces generas una vez.
Cada persona se trata de forma independiente. El modelo corporal procesa a cada individuo por separado, sin considerar interacciones entre varias personas ni entre persona y objeto. Puedes reconstruir varias figuras de una misma fotografía, pero sus posiciones relativas, contactos e interacciones no se modelarán de forma coherente: tendrás que colocarlas tú mismo en un programa 3D.
El servicio está construido en torno a la reconstrucción desde una sola imagen, de modo que el enfoque práctico consiste en extraer un fotograma representativo del vídeo y usarlo como entrada. Elige un fotograma con poca trepidación en el que el sujeto no esté tapado y ocupe buena parte del encuadre. (según información pública)
