Este artículo propone un método novedoso para reconstruir escenas 3D completas a partir de una sola imagen mediante salpicaduras gaussianas. Las técnicas actuales de salpicaduras gaussianas requieren datos de observación densos y presentan dificultades para reconstruir regiones ocluidas o no observadas. Este estudio utiliza un modelo de difusión latente para reconstruir una escena 3D completa, incluyendo las regiones ocluidas, a partir de una sola imagen. Completar la superficie de las regiones ocluidas es un problema complejo debido a la ambigüedad. Los métodos existentes se basan en enfoques basados en regresión que predicen un único "modo", lo que genera desenfoque, interpretaciones poco realistas e imposibilidad de interpretar múltiples regiones. En contraste, este estudio propone un método generativo que aprende la distribución de la representación 3D de las salpicaduras gaussianas a partir de una única imagen de entrada. Para abordar la falta de datos precisos, proponemos un autoreconstructor variacional que aprende el espacio latente utilizando únicamente imágenes 2D mediante un enfoque de aprendizaje autosupervisado y, posteriormente, entrena un modelo de difusión basado en este modelo. Como resultado, nuestro método logra reconstrucciones fieles y un conjunto de muestras diverso, lo que permite completar superficies ocluidas para una representación de 360 grados de alta calidad.
