De la difusión al modelo de mundo
Los modelos de difusión pasan de generar imágenes a generar vídeo y, después, mundos interactivos que responden a quien los recorre.
DDPM (19 de junio de 2020)
Los modelos de difusión aprenden a quitar ruido paso a paso hasta obtener una imagen.
Vision Transformer (22 de octubre de 2020)
Mientras tanto, el Vision Transformer trata una imagen como una secuencia de parches.
DALL·E y CLIP (5 de enero de 2021)
Mientras tanto, OpenAI presenta CLIP, que relaciona imágenes y textos en un mismo espacio.
DALL·E 2 (6 de abril de 2022)
DALL·E 2 parte de la representación de CLIP y genera la imagen con un decodificador de difusión.
Stable Diffusion (22 de agosto de 2022)
Stable Diffusion lleva la difusión a un espacio comprimido y publica sus pesos. Funciona en un ordenador doméstico.
Sora (15 de febrero de 2024)
Sora aplica la difusión al vídeo sobre una representación comprimida partida en parches, y genera clips de hasta un minuto.
Genie 3 (5 de agosto de 2025)
Genie 3 no genera un vídeo cerrado, sino un mundo por el que se puede mover en tiempo real.