El método split-and-scale de Apple aumenta el nivel de detalle de los latentes 3D durante la inferencia sin necesidad de reentrenamiento
Public- 18 Nov, 2026

Investigadores de Apple especializados en aprendizaje automático han presentado split-and-scale, una técnica para aumentar la capacidad de las representaciones latentes 3D durante la inferencia, manteniendo el coste del entrenamiento en un nivel asumible. Las representaciones latentes ya codifican las escenas 3D de forma compacta y son la base de potentes modelos generativos 3D. Sin embargo, les cuesta conservar los detalles finos de los objetos complejos: en los latentes solo cabe una cantidad limitada de información.

La solución más evidente tiene inconvenientes serios. Aumentar la capacidad de los latentes durante el entrenamiento encarece los cálculos y, a menudo, ni siquiera cabe en los límites de memoria. Añadir más latentes durante la inferencia tampoco sirve: el modelo no sabe aprovechar de forma eficaz la capacidad adicional.
El método se apoya en una propiedad clave. Si una escena 3D se define como una función continua de coordenadas 3D, un mismo tokenizador preentrenado puede aplicarse en inferencia a subregiones de la escena arbitrariamente pequeñas. Cada subregión recibe la misma capacidad latente que tendría una escena completa, es decir, el mismo presupuesto se destina a una región más pequeña del espacio. Gracias a ello, el modelo capta muchos más detalles sin necesidad de reentrenarlo.
El equipo realizó extensos experimentos de ablación para evaluar cómo se relacionan el cómputo, la memoria, la capacidad latente y la calidad de la reconstrucción. Los resultados muestran que este escalado en inferencia alcanza una calidad comparable a la de modelos mucho más grandes, que superan la memoria de una sola GPU. El enfoque también funciona para la generación: un generador 3D autorregresivo entrenado con representaciones split-and-scale rinde a la par de los modelos de referencia más avanzados. Todo indica que es una vía práctica para generar activos 3D más detallados con hardware modesto.