Arquitectura de red neuronal generativa que aprende a crear imágenes y videos fotorrealistas eliminando progresivamente ruido gaussiano aleatorio guiada por texto.
Explicación y Contexto Conceptual
Los Modelos de Difusión (Diffusion Models), que impulsan tecnologías icónicas como Stable Diffusion, Midjourney, DALL-E 3 y Runway, desplazaron a las antiguas redes generativas antagónicas (GANs) como el estándar soberano para la síntesis de imagen y video fotorrealista de alta resolución.
El principio físico-matemático de la difusión es fascinante: durante el entrenamiento, el modelo toma una imagen nítida y le añade ruido visual de forma incremental paso a paso hasta convertirla en una estática informe (proceso de difusión hacia adelante); paralelamente, la red aprende a hacer exactamente lo inverso: tomar un lienzo de ruido caótico puro y deducir paso a paso cómo remover el ruido para reconstruir una imagen que corresponda a las palabras introducidas en el prompt de texto.
En la producción de anuncios digitales, los modelos de difusión permiten la generación instantánea de sesiones fotográficas completas ('virtual photoshoots'), cambios automáticos de iluminación, sustitución de fondos de producto y creación de creativos hiperpersonalizados con una calidad indistinguible de la fotografía profesional.
Ejemplo en la Práctica
Una marca de muebles genera 100 ambientaciones fotográficas fotorrealistas de su nueva mesa de comedor en apartamentos de estilo nórdico, rústico y moderno mediante un modelo de difusión.