SplatLab escribe por sí sola artículos sobre 3D Gaussian Splatting y supera a los baselines hasta en +3,78 dB

Reproducir un artículo publicado sobre 3D Gaussian Splatting supone semanas de trabajo para un ingeniero con experiencia, y solo después de eso se puede plantear una extensión propia. SplatLab intenta eliminar por completo ese cuello de botella. El sistema acepta una consulta de investigación, el enlace a un artículo objetivo o ninguna entrada, y a continuación reproduce el baseline, propone una extensión, la entrena y le aplica ablaciones en Mip-NeRF 360 y LLFF, y redacta un manuscrito. En las tareas con PSNR como métrica objetivo, sus textos superan a los objetivos reproducidos entre +0,18 y +3,78 dB. Un ciclo que a un doctorando le lleva meses se comprime a días de cómputo mayoritariamente autónomo.

Por qué los «científicos de IA» anteriores se quedaban cortos

Ya existen sistemas que leen artículos, formulan hipótesis y escriben código. Los autores de SplatLab señalan tres puntos débiles: plantillas fijas y cortas, baja ejecutabilidad del código generado y poca trazabilidad de los resultados. Además, ninguno de esos sistemas se había mostrado en un ciclo de extremo a extremo en un campo tan vivo y competitivo de la visión por computador. El 3DGS es justamente así: los artículos salen sin parar y las diferencias entre métodos se miden en décimas de decibelio.

Cinco decisiones dentro del pipeline

Primera: los candidatos no mutan código desde cero, sino plugins sobre una implementación verificada que ya coincide con los baselines publicados. Así se limita el espacio de búsqueda a variantes que funcionan.

Segunda: la selección se hace mediante un torneo con rating Elo ponderado en cascada sobre ocho «islas». Los candidatos se evalúan por el PSNR medido en GPU, y la retroalimentación llega en forma de gradiente textual: un análisis en palabras de lo que funcionó y lo que no.

Tercera: un falsador que trabaja de forma permanente resta puntos Elo si el candidato suspende las pruebas de estrés. La resistencia a la verificación pasa a formar parte de la selección, en lugar de ser una etapa aparte posterior.

Cuarta: cada número del manuscrito está vinculado a una ejecución de entrenamiento registrada. El sistema no puede terminar su trabajo mientras quede al menos una afirmación sin confirmar.

Quinta: una taxonomía de 3DGS de siete categorías. Los marcadores EVOLVE-BLOCK van envueltos en estructuras de dominio que se trasladan entre repositorios de 3DGS.

Las nebulosas como caso ilustrativo

El resultado más llamativo es +3,78 dB en el renderizado de nebulosas astrofotográficas. Según los autores, para esta tarea no existía un método de 3DGS ya hecho; es decir, el sistema no mejoró una receta conocida, sino que la construyó para un área poco explorada. El extremo inferior de la mejora, +0,18 dB, parece más modesto, pero en una comunidad que compite por décimas incluso esa ganancia se considera notable.

Parámetros clave del sistema:

• Entrada: un tema, la URL de un artículo objetivo o una consulta vacía
• Benchmarks: Mip-NeRF 360 y LLFF
• Selección: torneo Elo en 8 islas según el PSNR medido en GPU
• Protección: falsador que resta Elo cuando el candidato falla
• Trazabilidad: cada número está vinculado al registro de su ejecución
• Mejora de PSNR: de +0,18 a +3,78 dB
• Duración del ciclo: días en lugar de los meses del trabajo de un doctorando

Qué se puede aprovechar ya

Los autores han publicado en la página del proyecto el código, todos los manuscritos, los registros de los experimentos y el repositorio de artículos compartido entre ejecuciones. Para los laboratorios es material listo para auditar: se puede tomar un manuscrito concreto y recorrer la cadena desde un número de una tabla hasta el registro del entrenamiento. Es precisamente el tipo de auditoría que con más frecuencia falta en los artículos escritos por humanos.

Para los equipos que usan 3DGS en un producto, la conclusión práctica es otra. La réplica verificada del baseline y la búsqueda por torneo sobre plugins pueden servir como banco de pruebas automático para encontrar mejoras con sus propios datos, ya sean capturas de interiores, drones o imágenes científicas. La regla «sin registro, no hay afirmación» merece adoptarse también fuera del 3DGS: cubre el mayor riesgo de las investigaciones escritas automáticamente, que es que un texto bonito se desvíe de las ejecuciones reales.

Queda abierta la cuestión de los límites: el PSNR es una métrica medible y barata, mientras que muchas áreas de la visión por computador no cuentan con una evaluación tan clara. Pero SplatLab demuestra que, en una subárea con medición precisa y experimentos rápidos, el ciclo autónomo que va de la lectura del artículo al manuscrito ya funciona.