---
title: "SAM 3D Objects: tecnología de imagen a 3D y benchmarks — Segmentit"
description: "Conoce SAM 3D Objects y Body, la reconstrucción desde una imagen y el benchmark SA-3DAO frente a TRELLIS y Hunyuan3D. Explora el proceso de Segmentit."
lang: "es"
canonical: "https://segmentit.com/es/sam-3d/"
---

# SAM 3D. Dale volumen a tu foto.

Explora el modelo de Meta para reconstruir objetos desde una imagen y sus resultados publicados frente a TRELLIS, Hunyuan3D y otros métodos.

[Probar el Studio](https://segmentit.com/app?lang=es) [Ver benchmarks](https://segmentit.com/es/sam-3d/#benchmarks)

[![Flujo de trabajo de objetos en el Studio de Segmentit](https://segmentit.com/images/blog/studio-monument.png)](https://segmentit.com/app?lang=es) [Abrir el Studio](https://segmentit.com/app?lang=es)

Guía independiente de Segmentit. Meta desarrolla SAM 3 y SAM 3D; Segmentit no está afiliado a Meta.

## ¿Qué es SAM 3D?

SAM 3D, también llamado SAM3D, es una familia de modelos de Meta que reconstruyen 3D a partir de una imagen. Objects estima geometría, textura y disposición de objetos. Body es un modelo distinto para la forma y pose del cuerpo humano. Segmentit utiliza el enfoque de Objects.

[Meta · SAM 3D ↗](https://ai.meta.com/research/sam3d/)

### SAM 3

Imagen → máscara 2D

### SAM 3D Objects

Imagen + máscara → objeto 3D

La selección precisa y la reconstrucción volumétrica responden a necesidades distintas. Elegir el sujeto adecuado precede al trabajo de forma, textura y composición de la escena. [Explorar SAM 3](https://segmentit.com/es/sam-3/).

### Los modelos comparados

-   [TRELLISMicrosoft · Tsinghua · USTC](https://microsoft.github.io/TRELLIS/)
-   [Hunyuan3D-2.1Tencent](https://github.com/Tencent/Hunyuan3D-2)
-   [Hunyuan3D-2.0Tencent](https://github.com/Tencent/Hunyuan3D-2)
-   [Direct3D-S2Nanjing · DreamTech · Fudan · Oxford](https://arxiv.org/html/2505.17412v1)
-   [TripoSGVAST / Tripo](https://github.com/VAST-AI-Research/TripoSG)
-   [Hi3DGenByteDance · CUHK Shenzhen · Tsinghua](https://github.com/bytedance/Hi3DGen)
-   [SAM 3DMeta](https://github.com/facebookresearch/sam-3d-objects)

Países de las organizaciones y colaboraciones. Cada modelo enlaza a su proyecto oficial.

## ¿SAM 3D Objects o Body?

### Objetos y escenas

**SAM 3D Objects**

Reconstruye la geometría, la apariencia y la posición de un objeto a partir de una imagen.

### Personas y poses

**SAM 3D Body**

Estima la forma y la pose del cuerpo humano. Un modelo distinto para otra tarea.

### Seleccionar antes de reconstruir

**SAM 3 → SAM 3D**

Identifica el sujeto en 2D y utiliza su máscara para guiar la reconstrucción del objeto.

## Elige tu proceso creativo

Empieza con un accesorio para un juego, un objeto decorativo para una escena o un producto que quieras explorar desde otro ángulo. Una imagen de referencia clara facilita evaluar la forma generada.

[Selecciona un objeto](https://segmentit.com/es/docs/select-an-object/) [Crear en 3D](https://segmentit.com/es/docs/generate-3d/) [Descargar y exportar](https://segmentit.com/es/docs/download-and-export/)

## ¿Cómo funciona SAM 3D?

### Imagen + máscara

La imagen aporta el contexto y la máscara identifica el objeto que reconstruir.

### Geometría + pose

Una primera etapa generativa estima forma y posición. Las superficies ocultas se deducen de patrones visuales aprendidos.

### Textura + detalle

Una segunda etapa afina aspecto y detalles. El proceso de investigación admite mallas y representaciones gaussianas.

Arquitectura del modelo de investigación. Las funciones de vídeo, las representaciones y las herramientas disponibles en una aplicación pueden diferir. [Código oficial ↗](https://github.com/facebookresearch/sam-3d-objects)

## SAM 3D frente a métodos anteriores de imagen a 3D

SA-3DAO · Reconstrucción de formas · F1@0.01 · Cuanto mayor, mejor

F1@0.01 · 0 → 0.25

TRELLIS

**0,1475**

Hunyuan3D-2.1

**0,1399**

Hunyuan3D-2.0

**0,1574**

Direct3D-S2

**0,1513**

TripoSG

**0,1533**

Hi3DGen

**0,1629**

SAM 3D

**0,2344**

**Datos y métricas**

**SA-3DAO · Table 2**

| Modelo | F1@0.01 ↑ | vIoU ↑ | Chamfer ↓ | EMD ↓ |
| --- | --- | --- | --- | --- |
| TRELLIS | 0,1475 | 0,1392 | 0,0902 | 0,2131 |
| Hunyuan3D-2.1 | 0,1399 | 0,1266 | 0,1126 | 0,2432 |
| Hunyuan3D-2.0 | 0,1574 | 0,1504 | 0,0866 | 0,2049 |
| Direct3D-S2 | 0,1513 | 0,1465 | 0,0962 | 0,2160 |
| TripoSG | 0,1533 | 0,1445 | 0,0844 | 0,2057 |
| Hi3DGen | 0,1629 | 0,1531 | 0,0937 | 0,2134 |
| SAM 3D | 0,2344 | 0,2311 | 0,0400 | 0,1211 |

F1: precisión y exhaustividad de superficie con umbral 0,01. vIoU: superposición volumétrica. Chamfer y EMD: distancias geométricas (cuanto menores, mejor). Valores originales del artículo, no porcentajes de éxito.

Fuente: [SAM 3D Team et al. · Table 2 · arXiv v1 (2025) ↗](https://arxiv.org/html/2511.16624v1#S4.T2)

SAM 3D obtiene 0,2344 en F1@0.01 en esta comparación. Son resultados publicados en el artículo sobre SA-3DAO, no una clasificación actual de productos comerciales ni una prueba realizada por Segmentit.

### Superposición de volumen

Similitud entre el volumen predicho y el de referencia. Cuanto mayor, mejor.

vIoU ↑0 → 0,25

**TRELLIS**

**0,1392**

**Hunyuan3D-2.1**

**0,1266**

**Hunyuan3D-2.0**

**0,1504**

**Direct3D-S2**

**0,1465**

**TripoSG**

**0,1445**

**Hi3DGen**

**0,1531**

**SAM 3D**

**0,2311**

[Datos publicados · 2025 ↗](https://arxiv.org/html/2511.16624v1#S4.T2)

### Distancia de superficie

Distancia geométrica a la superficie de referencia. Cuanto menor, mejor.

Chamfer ↓0 → 0,12

**TRELLIS**

**0,0902**

**Hunyuan3D-2.1**

**0,1126**

**Hunyuan3D-2.0**

**0,0866**

**Direct3D-S2**

**0,0962**

**TripoSG**

**0,0844**

**Hi3DGen**

**0,0937**

**SAM 3D**

**0,0400**

[Datos publicados · 2025 ↗](https://arxiv.org/html/2511.16624v1#S4.T2)

### Alineación de la forma global

Distancia entre distribuciones de puntos. Cuanto menor, mejor.

EMD ↓0 → 0,25

**TRELLIS**

**0,2131**

**Hunyuan3D-2.1**

**0,2432**

**Hunyuan3D-2.0**

**0,2049**

**Direct3D-S2**

**0,2160**

**TripoSG**

**0,2057**

**Hi3DGen**

**0,2134**

**SAM 3D**

**0,1211**

[Datos publicados · 2025 ↗](https://arxiv.org/html/2511.16624v1#S4.T2)

### Interpretar los resultados

Comparación histórica de las versiones evaluadas en las publicaciones de 2025, revisadas el 7 de octubre de 2026. Los conjuntos de datos, las indicaciones y las métricas determinan qué se mide. Estas puntuaciones no predicen ni el tiempo de generación ni la calidad de cada foto en Segmentit.

## De la investigación a tu próxima creación.

Sube una foto a Segmentit, aísla el objeto e inicia la generación 3D. Revisa el resultado y descarga un GLB para tu próxima escena. La selección y el modelo quedan juntos en el proyecto.

[Empieza a crear](https://segmentit.com/app?lang=es) [Explorar el proceso](https://segmentit.com/es/services/photo-to-3d/)

## Preguntas sobre SAM 3D

**¿Necesito SAM 3 o SAM 3D?**

Usa segmentación para elegir el sujeto y reconstrucción para darle volumen. SAM 3 y SAM 3D son tecnologías complementarias, no dos versiones de la misma tarea.

**¿Qué es SA-3DAO?**

El benchmark de Meta combina imágenes reales con formas creadas por artistas 3D profesionales. Su publicación describe 100 pares públicos de imagen y 3D y 900 pares reservados para la competición.

**¿Cómo uso un objeto reconstruido?**

Trátalo como un asset creativo: revisa todos los lados, ajusta la escala y modifica materiales en tu herramienta 3D. Una foto ofrece un punto de partida útil, pero los detalles no visibles son inferidos.

## Fuentes y documentación

-   [Meta · SAM 3D](https://ai.meta.com/research/sam3d/)
-   [Artículo de investigación · SAM 3D](https://arxiv.org/html/2511.16624v1)
-   [Código oficial · SAM 3D Objects](https://github.com/facebookresearch/sam-3d-objects)
-   [Meta · conjunto de datos SA-3DAO](https://ai.meta.com/datasets/sa-3dao-sam-3d-artist-objects-downloads/)

Revisado 7 de octubre de 2026 · Redacción de Segmentit