Un equipo de investigadores ha presentado un nuevo paradigma de visión artificial denominado imagen de tiempo invertido, cuyo objetivo es reconstruir interacciones pasadas entre el ser humano y su entorno a partir de los rastros físicos residuales que esas interacciones dejan tras de sí. El trabajo, publicado como preimpresión en arXiv, aborda una pregunta que se sitúa en la intersección de la física, la visión artificial y la IA generativa: si un modelo puede inferir lo que acaba de ocurrir en una escena mediante la lectura de las pruebas evanescentes del suceso.
La premisa se fundamenta en principios físicos observables. Cuando una persona se sienta en una silla, el calor corporal se transfiere a la superficie y se disipa lentamente. Cuando una mano toca una mesa, los aceites y los cambios de temperatura perduran. Cuando se derrama un líquido, deja una firma visible, ultravioleta o térmica que evoluciona con el tiempo. Estos rastros no son permanentes: se desvanecen, se extienden y finalmente desaparecen, pero en los instantes y minutos posteriores a una interacción portan información sobre lo ocurrido.
Los investigadores construyeron un conjunto de datos denominado TRACE-HEI, que contiene secuencias de video trimodales sincronizadas (térmico, ultravioleta y espectro visible) de acciones como sentarse, tocar objetos, mover elementos y derramar líquidos. Cada acción se registró en diversos materiales, capturando los rastros hasta tres minutos después del contacto. El conjunto de datos es el primero de su tipo diseñado específicamente para este problema de inferencia inversa.
El enfoque propuesto funciona en dos etapas. Primero, un modelo extrae descripciones textuales estructuradas de los rastros detectados a partir de la entrada multimodal, por ejemplo, «huella térmica de una mano sobre una superficie de escritorio» o «residuo líquido fluorescente UV sobre tela». Estas descripciones se utilizan luego para condicionar un modelo de difusión guiado por visión y lenguaje que genera reconstrucciones plausibles del fotograma pasado.
Los experimentos demostraron que inferir sucesos recientes a partir de rastros evanescentes es un desafío viable, y que la combinación de las modalidades térmica, ultravioleta y visible reduce la ambigüedad de las soluciones de forma significativamente mayor que cualquier modalidad por sí sola. Ningún espectro por sí mismo capturó toda la información relevante: las lecturas térmicas registraron el calor corporal pero no los residuos químicos, mientras que los rayos UV revelaron contaminantes invisibles al ojo desnudo pero no los patrones térmicos.
El trabajo se presenta explícitamente como una prueba de concepto y no como un sistema implementable. El conjunto de datos actual cubre un conjunto limitado de acciones y materiales, y el artículo señala la dificultad de inferir el orden temporal exacto y las dinámicas de grano fino a partir de rastros estáticos o en descomposición. No obstante, el paradigma abre una dirección para la comprensión de escenas que va más allá de lo que la observación instantánea puede capturar: leer la historia de una sala a partir de su memoria física y no de un dispositivo de grabación.
Las posibles aplicaciones abarcan el análisis forense, la supervisión de seguridad y la interacción persona-ordenador, aunque serían necesarios avances sustanciales en detección multimodal y modelado generativo antes de cualquier despliegue práctico.
Traducido por Alessandra
Fuentes: Time-Reversed Imaging: A Multimodal Benchmark and Framework (arXiv:2607.22352, 24 de julio de 2026); Time-Reversed Imaging benchmark (TechRadar, 27 de julio de 2026)