Por qué la IA necesita dimensiones reales
Un plano 2D validado hace medibles las comprobaciones de espacio y orienta los conceptos de IA, mientras que el render sigue siendo ilustrativo.
En esta página
- El problema de la IA de imagen a imagen
- La geometría como fuente de la verdad
- Qué obtienes con esto
- Preguntas frecuentes
- ¿Por qué las imágenes de otras herramientas de IA parecen espectaculares pero no encajan?
- ¿Los renders conservan los colores de mis paredes y mis muebles reales?
- ¿Qué pasa cuando algo realmente no cabe?
- Sigue leyendo
Las herramientas genéricas de IA para imágenes crean habitaciones espectaculares. El problema: están adivinando. Pídele un "salón acogedor" y añadirá encantada un mirador que no tienes, estirará las proporciones o colocará un sofá justo donde está tu puerta. Bonito, pero inútil para diseñar de verdad tu espacio.
El problema de la IA de imagen a imagen
Cuando un modelo de imagen trabaja solo a partir de un prompt de texto o una foto de referencia, no tiene ninguna referencia real sobre tu habitación. No puede saber que la pared mide 3.2 m, que la puerta abre hacia dentro o que hay un radiador bajo la ventana. Así que inventa. El resultado parece real, pero no es tuyo, y no puedes construir nada a partir de él.
La geometría como fuente de la verdad
Kansumi invierte el orden. Antes de generar un solo píxel, tu plano se convierte en una escena estructurada: coordenadas de las paredes, posición de las aberturas, tipo de habitación, escala confirmada. Esa escena (no una imagen previa) es la que dirige la generación. Al modelo se le indica dónde están realmente las paredes y las ventanas, de modo que el render recibe orientación espacial. Los modelos de imagen siguen siendo probabilísticos: comprueba medidas, pasos y encaje en el plano 2D validado, no en la imagen fotorrealista.
Qué obtienes con esto
- Comprobaciones medibles. La respuesta a «¿cabe una cama king size?» se calcula en la escena validada con milímetros reales, no se deduce de la imagen.
- Mejor orientación espacial. Paredes, huecos y muebles colocados se dan al renderizador como contexto para hacer los conceptos más pertinentes para tu espacio.
- Una fuente que puedes revisar. Si corriges una pared o mueves un mueble, puedes revisar la geometría exacta por separado de la imagen regenerada.
El concepto sirve para la dirección visual; el plano validado sirve para las medidas. Compruébalo con tu propio plano.
Preguntas frecuentes
¿Por qué las imágenes de otras herramientas de IA parecen espectaculares pero no encajan?
Porque la mayoría de los modelos de imagen se inventan la habitación. Pídele a un generador genérico un "dormitorio acogedor" y imaginará paredes, ventanas y proporciones que nunca existieron, así que la imagen no puede responder a la única pregunta que importa: ¿esto funcionará en mi habitación? Kansumi genera a partir de tu escena validada como orientación espacial. Como el modelo aún puede variar detalles, confirma los huecos y la escala en el plano 2D y no trates los píxeles como un registro medido.
¿Los renders conservan los colores de mis paredes y mis muebles reales?
Los conceptos se reinventan a propósito: paredes, huecos y proporciones los orientan mientras exploran libremente el estilo, la paleta y el mobiliario. Las ediciones espaciales por chat actualizan la distribución estructurada; las de apariencia regeneran el concepto elegido. Revisa el plano después de cualquier cambio espacial.
¿Qué pasa cuando algo realmente no cabe?
Kansumi te lo dice en la distribución 2D, en lugar de pedirte que lo juzgues por una imagen. Pide añadir una cama king size a una pared que no la admite y el motor informa de que no cabe; la escena medida no encoge la cama ni estira la pared. Esa misma honestidad recorre la extracción: cada pared, puerta y ventana detectada lleva una puntuación de confianza, para que sepas qué partes de la escena son seguras y cuáles merecen una segunda mirada antes de gastar créditos en un render.