Actualizado el: 30 de octubre de 2026
Una red generativa adversaria (GAN) es un par de redes neuronales que se entrenan una contra la otra: un generador convierte ruido aleatorio en imágenes nuevas y un discriminador aprende a distinguir esas imágenes de las reales. Ian Goodfellow y sus coautores presentaron la idea en 2014; cada red mejora intentando vencer a la otra, hasta que las imágenes generadas parecen reales.
"Arquitectura de una GAN" tiene dos sentidos, y esta guía cubre ambos. Primero el modelo en sí: sus dos redes, sus capas, el ciclo de entrenamiento y la función de pérdida, y después los tipos principales de redes GAN y sus aplicaciones. Luego las GAN en el diseño de edificios: lo que arquitectos e investigadores hicieron con ellas, de pix2pix a ArchiGAN y House-GAN, y dónde se quedaron cortas. Los modelos de difusión superaron a las GAN en generación de imágenes en 2021, así que la última parte muestra dónde se siguen usando las GAN en octubre de 2026.
¿Qué son las redes generativas adversarias (GAN)?
Las redes generativas adversarias (también llamadas antagónicas) son una clase de modelos de aprendizaje profundo que aprenden la distribución de un conjunto de datos de entrenamiento y generan muestras nuevas que la siguen: sobre todo imágenes, pero también audio y otros datos. Se usan en visión por computadora, síntesis de imágenes y traducción de imagen a imagen.
Una GAN consta de dos redes neuronales que se entrenan al mismo tiempo. El generador produce muestras sintéticas y el discriminador juzga si una muestra viene del conjunto de datos real o del generador. Con este aprendizaje adversario, el generador aprende a producir resultados más realistas y el discriminador mejora para detectar los generados.
Una GAN básica, no condicionada, no necesita etiquetas: aprende solo a partir de imágenes sin etiquetar. Las GAN condicionales son distintas: pix2pix, por ejemplo, aprende de pares de imágenes, como un dibujo y la foto en la que debe convertirse, y por eso se adaptó bien a tareas de traducción de imágenes en arquitectura.
Arquitectura de una GAN: generador y discriminador
La arquitectura de una GAN son dos redes conectadas en un ciclo. El generador toma un vector de ruido z aleatorio, sacado de una distribución sencilla p(z), y lo convierte en una muestra sintética G(z). El discriminador recibe una muestra real x de los datos de entrenamiento o una muestra generada G(z) y devuelve una probabilidad D(x) entre 0 y 1 de que la entrada sea real. El curso de aprendizaje automático de Google describe la misma estructura en su resumen de la estructura de una GAN.
En el diseño DCGAN, la plantilla de la mayoría de las GAN de imagen, las dos redes son simétricas, tal como las construye el tutorial oficial de DCGAN de PyTorch:
Red | Entrada | Capas | Salida |
|---|---|---|---|
Generador | Un vector de ruido z | Convoluciones transpuestas que amplían los datos paso a paso, con normalización por lotes y ReLU | Una imagen, a través de una capa de salida Tanh |
Discriminador | Una imagen real o generada | Convoluciones con paso (strided) que reducen la imagen paso a paso, con normalización por lotes y LeakyReLU | Una probabilidad de que la imagen sea real |
Cómo se entrena una GAN, paso a paso
El entrenamiento alterna entre las dos redes, lote tras lote:
Entrenar el discriminador: se le muestra un lote de imágenes reales marcadas como reales y un lote de imágenes del generador marcadas como falsas, y se actualizan sus pesos para que clasifique bien ambas.
Entrenar el generador: se pasa ruido nuevo por el generador y después por el discriminador, y se actualizan solo los pesos del generador para que el discriminador tienda a considerar reales sus imágenes.
Repetir: el progreso de cada red le complica la tarea a la otra, así que ambas siguen mejorando; el entrenamiento se detiene cuando las imágenes generadas se ven bien o dejan de mejorar.
El objetivo del entrenamiento es un juego minimax entre las dos redes:

Donde:
G(z; θg) es el generador, que convierte un vector de ruido z en una muestra generada; θg son sus parámetros.
D(x; θd) es el discriminador, que devuelve la probabilidad de que su entrada x sea real; θd son sus parámetros.
p_data(x) es la distribución de los datos reales de entrenamiento.
p_z(z) es la distribución de ruido (latente) de la que toma muestras el generador.
El discriminador maximiza este valor: quiere que D(x) se acerque a 1 en las imágenes reales y D(G(z)) a 0 en las generadas. El generador lo minimiza haciendo subir D(G(z)). Al principio del entrenamiento el generador es malo y log(1 − D(G(z))) casi no le da gradiente, así que la mayoría de las implementaciones, incluido el tutorial de PyTorch, entrenan el generador para maximizar log D(G(z)): la llamada pérdida no saturante.
El entrenamiento de una GAN es sensible a hiperparámetros como la tasa de aprendizaje, el tamaño del lote y el equilibrio entre las dos redes. El curso de Google enumera los fallos habituales: gradientes que se desvanecen cuando el discriminador se vuelve demasiado bueno, colapso de modos (mode collapse) cuando el generador repite siempre unos pocos resultados, y falta de convergencia.
Tipos de redes GAN
Desde la GAN original de 2014, los investigadores han propuesto muchas variantes para estabilizar el entrenamiento, controlar lo que se genera y llegar a resoluciones más altas. Todas mantienen la idea adversaria; cambian el diseño de las redes, la función de pérdida y la entrada. La tabla reúne las más conocidas con su primer artículo en arXiv (comprobados el 30 de octubre de 2026).
Modelo | Año | Primer artículo | Qué cambió |
|---|---|---|---|
GAN (original) | 2014 | El esquema de generador y discriminador y el objetivo minimax; inestable al entrenar y propensa al colapso de modos | |
GAN condicional (cGAN) | 2014 | Da a las dos redes información adicional, como una etiqueta de clase, para controlar lo que se genera | |
LAPGAN | 2015 | Genera imágenes de lo general al detalle en una pirámide laplaciana de resoluciones, una de las primeras GAN multiescala | |
DCGAN | 2015 | Generador y discriminador convolucionales con una receta de entrenamiento estable; la plantilla de las GAN de imagen posteriores | |
InfoGAN | 2016 | Un término de teoría de la información que hace que partes del código de entrada controlen rasgos interpretables, sin etiquetas | |
LSGAN | 2016 | Una pérdida de mínimos cuadrados que reduce el desvanecimiento de gradientes | |
SRGAN | 2016 | Superresolución con una pérdida adversaria, para imágenes ampliadas más nítidas | |
pix2pix | 2016 | Traducción de imagen a imagen con pares de ejemplos y una GAN condicional (CVPR 2017) | |
WGAN y WGAN-GP | 2017 | La distancia de Wasserstein para gradientes más suaves; la penalización del gradiente (GP) sustituye al recorte de pesos | |
BEGAN | 2017 | Un autoencoder como discriminador y un término de equilibrio entre las dos redes | |
CycleGAN | 2017 | Traducción de imagen a imagen sin pares, gracias a la consistencia de ciclo | |
StarGAN | 2017 | Traducción entre muchos dominios de imagen con un solo modelo | |
SAGAN | 2018 | Capas de autoatención para dar coherencia a toda la imagen | |
ESRGAN | 2018 | Una SRGAN mejorada, con texturas más realistas en las imágenes ampliadas | |
BigGAN | 2018 | Generación condicionada por clase a gran escala: mucho realismo con un alto costo de cálculo | |
StyleGAN, StyleGAN2, StyleGAN3 | 2018–2021 | ||
GauGAN (SPADE) | 2019 | Convierte un mapa de zonas como cielo, árboles y agua en una imagen casi fotográfica (CVPR 2019) | |
TransGAN | 2021 | Transformers en lugar de convoluciones en las dos redes; sobre todo un modelo de investigación |
¿Cuáles son las ventajas de las GAN?
La principal ventaja de las GAN para generar imágenes es la alta calidad de las imágenes: una vez entrenada, una GAN produce imágenes nítidas y realistas, y lo hace en una sola pasada hacia delante, lo que además la hace rápida.
Resultados nítidos y detallados en síntesis de imágenes, superresolución y traducción de imagen a imagen.
Generación rápida después del entrenamiento: una sola pasada por el generador, sin pasos de muestreo iterativos.
Sin etiquetas en las GAN no condicionadas; los modelos condicionales como pix2pix necesitan pares de ejemplos.
Sin verosimilitud explícita: el discriminador aprende qué es "realista", así que el modelo puede captar datos complejos sin una fórmula de probabilidad escrita.
Estas ventajas hicieron de las GAN el enfoque principal de la generación de imágenes hasta que los modelos de difusión las superaron en 2021.
¿Cuáles son las desventajas de las GAN?
La misma configuración adversaria que da a las GAN sus imágenes nítidas las hace difíciles de entrenar. Los dos problemas más conocidos son el colapso de modos, cuando el generador produce solo unos pocos tipos de resultado y deja fuera el resto de los datos, y la inestabilidad del entrenamiento, cuando las dos redes nunca se estabilizan.
Sensibilidad a los hiperparámetros como la tasa de aprendizaje, el tamaño del lote y el diseño de las redes.
Difíciles de evaluar: ninguna métrica por sí sola mide a la vez la calidad y la variedad.
Poca interpretabilidad: lo que aprenden las redes es difícil de explicar.
Necesitan muchos datos: los resultados estables y de calidad requieren conjuntos de datos grandes y variados; con poca variedad el modelo generaliza mal.
Menos variedad y peor control por texto que los modelos de difusión, una de las razones por las que la difusión se impuso en la generación de imágenes a partir de texto.
Riesgo de mal uso: falsificaciones realistas, problemas de privacidad y sesgos copiados de los datos de entrenamiento.
En arquitectura hay un límite más: una GAN devuelve píxeles, no geometría, así que un plano o una fachada que dibuje no tiene medidas en las que se pueda confiar (ver la sección de arquitectura más abajo).
Aplicaciones de las GAN
Las GAN funcionan mejor donde hay que generar, traducir o mejorar datos, sobre todo imágenes. La tabla relaciona cada aplicación con los modelos conocidos por ella.
Aplicación | Qué hace la GAN | Modelos de ejemplo |
|---|---|---|
Síntesis de imágenes | Genera imágenes nuevas, como rostros, objetos o texturas, a partir de ruido | DCGAN, StyleGAN, BigGAN |
Traducción de imagen a imagen | Convierte un tipo de imagen en otro: un dibujo en una imagen casi fotográfica, el día en noche, un estilo en otro | pix2pix (con pares), CycleGAN (sin pares), StarGAN |
Generación de escenas a partir de un esquema | Pinta una escena casi fotográfica a partir de un mapa de zonas como cielo, agua y árboles | GauGAN (SPADE) |
Superresolución y restauración | Amplía y define imágenes de baja resolución añadiendo detalle verosímil | SRGAN, ESRGAN |
Edición de rostros y atributos | Cambia la edad, la expresión o el peinado manteniendo la identidad | StarGAN, StyleGAN |
Redireccionamiento de video (video retargeting) | Lleva el contenido de un video al estilo de otro dominio manteniendo la coherencia entre fotogramas | |
De texto a imagen | Genera imágenes a partir de una descripción escrita | StyleGAN-T, GigaGAN (2023); hoy dominan los modelos de difusión |
Aumento de datos | Crea ejemplos sintéticos de entrenamiento, por ejemplo para detección de objetos cuando faltan datos etiquetados | GAN específicas para cada tarea |
La traducción de imagen a imagen es la aplicación más cercana a la arquitectura. Entrenado con pares de dibujos e imágenes terminadas, un modelo del tipo pix2pix aprende a convertir dibujos sencillos en imágenes realistas, una tarea que los arquitectos conocen hoy por los flujos de trabajo de boceto a render en arquitectura, junto con los cambios de día a noche, el cambio de materiales y la transferencia de estilo.
Las GAN en arquitectura: proyectos y límites
En el diseño de edificios, las GAN trabajaron con imágenes: plantas, fachadas y vistas dibujadas como píxeles, no modelos 3D ni dibujos CAD. Los proyectos mejor documentados son de 2018 a 2021, un primer capítulo de la arquitectura generativa. Como es la red la que dibuja la imagen y no un motor de render basado en la física, la traducción de imágenes con GAN es también una forma temprana de renderizado neuronal.
Planos: de pix2pixHD a ArchiGAN y House-GAN
En CAADRIA 2018, Zheng y Huang ("Understanding and Visualizing GAN in Architectural Drawings") entrenaron pix2pixHD con plantas dibujadas con un color por habitación, de modo que el modelo aprendió a generar distribuciones de habitaciones como imágenes en color.
ArchiGAN, el proyecto de tesis de Stanislas Chaillou en Harvard (mayo de 2019, resumido en el blog técnico de NVIDIA el 17 de julio de 2019), encadenó tres modelos Pix2Pix para un edificio de apartamentos: el primero genera la huella del edificio, el segundo el programa de habitaciones y las ventanas, el tercero el mobiliario, y el arquitecto puede editar el resultado entre un paso y otro.
House-GAN (Nauata et al., ECCV 2020) parte de un diagrama de burbujas, un grafo de las habitaciones y de las que se conectan entre sí, y genera distribuciones de viviendas como rectángulos de habitaciones; House-GAN++ (CVPR 2021) perfeccionó el método.
Fachadas y volúmenes: FrankenGAN y Building-GAN
FrankenGAN (Kelly, Guerrero, Steed, Wonka y Mitra, 2018) añade detalle de fachada y de cubierta a volumetrías sencillas. Building-GAN (Chang et al., ICCV 2021) trabaja en tres dimensiones: genera diseños volumétricos de edificios a partir de un grafo del programa.
Bocetos, volumetrías e imágenes de paisaje
Los traductores de uso general pueden entrenarse de la misma manera: pix2pix con pares de bocetos e imágenes terminadas, CycleGAN sin pares que coincidan y GauGAN para pintar un paisaje a partir de un mapa de zonas como cielo, agua y árboles. Estos modelos pueden convertir dibujos sencillos y vistas volumétricas en renders estilizados o fotorrealistas, los primeros pasos hacia la actual visualización arquitectónica con IA. Son especialmente útiles en las primeras fases del diseño, cuando la precisión geométrica importa menos que la comunicación visual y la exploración de conceptos.
Las GAN también se han usado para generar datos arquitectónicos sintéticos: ejemplos adicionales para entrenar modelos de visión por computadora cuando las imágenes reales escasean o son difíciles de etiquetar.
Los límites de los planos generados con GAN
Chaillou señaló los límites de ArchiGAN: los muros de carga no coincidían de una planta a otra y el resultado era una imagen rasterizada, no un dibujo vectorial. Lo mismo vale para todos los modelos de esta sección: devuelven píxeles que parecen muros y habitaciones, sin medidas, escala ni estructura. El arquitecto sigue al mando, que es también la respuesta realista a si la IA reemplazará a los arquitectos.
Las herramientas de imagen con IA siguen devolviendo píxeles. El módulo Plano de ArchiVinci reinterpreta la imagen de un plano 2D en uno de cuatro estilos (Vista 3D, Marcador, Color sólido o Dibujo), que es como puedes colorear planos con IA; no mide el plano.

Ejemplo de nuestra página para colorear planos, hecho en el módulo Plano. Izquierda: la imagen subida de un plano esbozado en papel. Derecha: el resultado del estilo Dibujo con el prompt vacío, una imagen con las mismas habitaciones que no está medida.
Para un plano que puedas medir y editar, usa Floor Plan Maker para hacer planos online: muros, puertas, ventanas y habitaciones con sus superficies, las longitudes de los muros y las medidas de los muebles a la vista mientras dibujas, como en un programa CAD, cotas, una vista 3D y exportación a DXF, SVG, PDF o PNG, gratis en navegadores de escritorio. También puede reconstruir con IA la imagen o el PDF de un plano existente como plano editable (1 crédito en una cuenta gratuita, que se devuelve si la conversión falla).

De los modelos de investigación a las herramientas en el navegador
Ya no hace falta entrenar un modelo para convertir un boceto en una imagen. En ArchiVinci, una aplicación web, subes un boceto, una vista de tu modelo 3D o una foto, describes materiales y luz en un prompt opcional, y el motor predeterminado genera en segundos una imagen nueva que sigue lo que subiste. El motor predeterminado, ArchiVinci 4.0, mantiene la perspectiva y la geometría de lo que subes, y cada generación da una variación nueva, así que genera otra para tener más opciones o ajusta un detalle en el módulo Editar. Hay ejemplos en la página del generador de renders con IA; una cuenta nueva empieza con 3 créditos gratis, y el uso comercial requiere un plan activo.
Convierte un boceto o una volumetría en un render Sube un boceto, una vista volumétrica o una foto y nombra el estilo y los materiales en una frase: ArchiVinci genera en segundos una versión fotorrealista que sigue tu imagen. Una cuenta nueva empieza con 3 créditos gratis. |
¿Cómo se comparan las GAN con otros modelos generativos?
Las GAN se diferencian de otros modelos generativos en cómo aprenden y cómo generan. Los modelos de difusión parten de ruido y lo eliminan en muchos pasos; los modelos autorregresivos como PixelRNN (2016) generan una imagen elemento a elemento; una GAN produce la imagen completa en una sola pasada. Para la comparación completa, consulta nuestra guía de los modelos de difusión.
Aspecto | GAN | Modelos de difusión | Modelos autorregresivos |
|---|---|---|---|
Cómo aprenden | Un generador y un discriminador entrenados uno contra otro | Una red aprende a quitar el ruido añadido a imágenes de entrenamiento | Una red aprende a predecir el siguiente elemento, un píxel o un token |
Cómo generan | Una sola pasada a partir de un vector de ruido | Muchos pasos de eliminación de ruido; los modelos destilados necesitan de 1 a 4 | Un elemento tras otro, así que las imágenes grandes tardan más |
Compromiso típico | Rápidas y nítidas, pero con entrenamiento inestable y menos variedad | Entrenamiento estable e imágenes variadas y de calidad; más lentos sin destilación | Control fino del detalle local; lentos para imágenes |
El artículo de 2021 "Diffusion Models Beat GANs on Image Synthesis", de Dhariwal y Nichol, marcó el punto de inflexión: desde entonces los modelos de difusión lideran la investigación en generación de imágenes, y las GAN pasaron a funciones de apoyo.
¿Se siguen usando las GAN en 2026?
Sí, en octubre de 2026, pero sobre todo en funciones de apoyo y no como generador principal de imágenes:
Escalado y restauración: SRGAN y ESRGAN entrenaron redes de superresolución con una pérdida adversaria, y los escaladores basados en el diseño de ESRGAN se siguen compartiendo y usando para ampliar imágenes. Nuestra guía de escalado con IA explica qué puede y qué no puede añadir un escalador a una imagen de arquitectura.
GAN de texto a imagen: StyleGAN-T y GigaGAN (CVPR 2023) mostraron que las GAN pueden escalarse para generar imágenes a partir de texto.
Entrenamiento adversario dentro de modelos de difusión: Adversarial Diffusion Distillation (2023), el método detrás de SDXL Turbo, usa un discriminador para que un modelo de difusión produzca una imagen en uno a cuatro pasos.
Datos sintéticos de entrenamiento: las GAN siguen siendo una forma de crear ejemplos adicionales para entrenar otros modelos cuando faltan datos reales.
Conclusiones clave
Una GAN son dos redes neuronales entrenadas una contra otra: un generador que crea muestras a partir de ruido y un discriminador que juzga si son reales.
La arquitectura de una GAN suele referirse a esta estructura; en el diseño DCGAN el generador amplía los datos con convoluciones transpuestas y el discriminador reduce la imagen con convoluciones con paso.
El entrenamiento alterna entre las dos redes; el colapso de modos, la inestabilidad y la sensibilidad a los hiperparámetros son los problemas clásicos.
Los tipos principales de redes GAN van de la GAN original (2014) a GigaGAN (2023), pasando por DCGAN, WGAN, pix2pix, CycleGAN y StyleGAN.
En arquitectura, las GAN dibujaron plantas (ArchiGAN, House-GAN), detalles de fachada (FrankenGAN) y volúmenes de edificios (Building-GAN), siempre sin medidas en las que se pueda confiar.
Los modelos de difusión superaron a las GAN en 2021; las GAN siguen siendo uno de los algoritmos de renderizado con IA que conviene conocer, hoy sobre todo en escaladores, generadores rápidos y entrenamiento adversario.
Pruébalo en ArchiVinci
Describe un edificio en una frase, o sube un boceto o una vista de tu modelo 3D: ArchiVinci genera imágenes de concepto que lo siguen. Una cuenta nueva empieza con 3 créditos gratis.
Para los primeros conceptos: Diseño conceptual con IA
Renderiza un boceto, una foto o una vista 3D: Render con IA
Preguntas frecuentes
¿Cuál es la principal ventaja de las GAN para generar imágenes?
La alta calidad de las imágenes. Una GAN entrenada produce imágenes nítidas y realistas, y como solo necesita una pasada por el generador, también es rápida.
¿Cuáles son las dos partes de una GAN?
El generador, que convierte ruido aleatorio en muestras nuevas, y el discriminador, que juzga si una muestra es real o generada. Se entrenan juntos, cada uno contra el otro.
¿Qué es ArchiGAN?
ArchiGAN es el proyecto de tesis de Stanislas Chaillou en Harvard (2019): una cadena de tres modelos Pix2Pix que genera la huella de un edificio de apartamentos, después sus habitaciones y ventanas y después su mobiliario, con el arquitecto editando entre un paso y otro. Su resultado es una imagen, no un dibujo vectorial.
¿Cuándo conviene usar una GAN en lugar de un modelo de difusión o de transformers?
Cuando la rapidez y el detalle nítido importan más que la variedad o el control por texto, como en la superresolución, algunas tareas de imagen a imagen y usos en tiempo real con un tipo de imagen acotado y bien definido. Para la generación general de imágenes a partir de texto, los modelos de difusión son la mejor opción desde 2021.
¿Se pueden usar las GAN de forma fiable en tareas que exigen precisión geométrica o espacial?
No. Una GAN devuelve píxeles, no geometría, así que sirve para el realismo visual, no para la precisión métrica. Para un plano con medidas reales, dibújalo en una herramienta de planos como Floor Plan Maker, que muestra las longitudes de los muros y las medidas de los muebles mientras dibujas, como un programa CAD.
¿Cómo afecta la calidad del conjunto de datos al entrenamiento de una GAN y al realismo del resultado?
Mucho. Un conjunto de datos pequeño, sesgado o repetitivo provoca colapso de modos y resultados poco realistas, y una GAN no puede generar tipos de imágenes que faltaban en sus datos de entrenamiento.
¿Se usan las GAN junto con los modelos de difusión?
Sí. Adversarial Diffusion Distillation entrena un modelo de difusión frente a un discriminador para que necesite solo unos pocos pasos, y los escaladores de la familia ESRGAN se usan para ampliar imágenes creadas con otros modelos.
