El sistema ARQGAN emplea redes generativas adversariales (GANs) combinadas con modelos de lenguaje tipo Transformer, lo que le permite no solo restaurar visualmente edificios en ruinas, sino también generar reconstrucciones a partir de descripciones textuales proporcionadas por los usuarios.
El proceso de funcionamiento se divide en dos etapas. Durante la fase de entrenamiento, la inteligencia artificial analiza un amplio conjunto de imágenes de templos griegos en distintos estados de conservación, identificando patrones arquitectónicos y estructuras faltantes. Posteriormente, en la fase de reconstrucción, el sistema genera automáticamente una versión restaurada del edificio sin necesidad de intervención manual.
“Hemos desarrollado un sistema que reconstruye edificios sin que sea necesario indicarle qué elementos faltan. Su capacidad para inferir y completar estructuras lo convierte en una herramienta innovadora para la conservación digital”, destaca Alberto Nogales, investigador principal en el Centro de Estudios e Innovación en Gestión del Conocimiento (CEIEC) de la Universidad Francisco de Vitoria.
Frente a los modelos tradicionales de reconstrucción en tres dimensiones, que requieren múltiples imágenes y procesos manuales de modelado, ARQGAN ofrece una solución automatizada, precisa y accesible para la documentación y preservación del patrimonio arquitectónico.