Stable Diffusion
Etapa 5 · IA generativa, razonamiento y agentes (2022–2026) › Imagen, vídeo y mundo físico
- Linaje
- Neuronas y redes
- Tipo
- Implementación
Quién
CompVis (LMU de Múnich), Runway, Stability AI
Qué ocurrió
Se publica Stable Diffusion, un generador de imágenes a partir de texto desarrollado por el grupo CompVis de la Universidad Ludwig Maximilian de Múnich y Runway con cómputo donado por Stability AI. Su código y sus pesos son públicos y funciona en ordenadores corrientes.
Qué aportó
Difusión latente con pesos abiertos. Cualquiera puede ejecutar, modificar y ajustar un generador de imágenes de calidad en su propio ordenador.
Desarrollo
Los modelos de difusión generaban imágenes excelentes, pero trabajaban directamente sobre los píxeles, y entrenarlos y usarlos era muy caro. En diciembre de 2021, Robin Rombach, Björn Ommer y sus colegas propusieron la difusión latente: primero un autocodificador comprime las imágenes en una representación mucho más pequeña, y la difusión trabaja en ese espacio reducido. Unas capas de atención cruzada permiten guiar la generación con un texto. El método se presentó en CVPR 2022 y reducía mucho el cálculo necesario.
Stable Diffusion aplicó esa idea a gran escala. Se entrenó con pares de imagen y texto de LAION-5B, un conjunto de unos cinco mil millones de pares recogidos de la web, y se publicó el 22 de agosto de 2022 con su código y sus pesos bajo la licencia Creative ML OpenRAIL-M. Una versión optimizada funcionaba con solo 2,4 GB de memoria gráfica, al alcance de muchos ordenadores domésticos.
Al ser abierto, cualquiera podía ejecutarlo, modificarlo y ajustarlo a estilos propios sin pasar por una empresa. También abrió conflictos: en enero de 2023 tres artistas demandaron a Stability AI, Midjourney y DeviantArt por infracción de derechos de autor, y Getty Images demandó a Stability AI en el Reino Unido.
Le siguieron SD 2.0, SDXL y la familia SD 3.
Una fila de cajas, imagen de 512 por 512, codificador, difusión en un espacio de 64 por 64 por 4 que quita ruido, decodificador e imagen. Desde abajo, una caja de texto codificado por CLIP entra en la difusión por atención cruzada. Un recuadro discontinuo marca el espacio latente.
Nivel técnico
La difusión latente separa dos tareas. Un autocodificador aprende a comprimir una imagen y a reconstruirla: una de 512 × 512 píxeles con tres colores se convierte en una cuadrícula de 64 × 64 con cuatro canales, unas 48 veces menos números.
El modelo de difusión, una U-Net, trabaja solo en esa cuadrícula. Aprende a quitar ruido paso a paso, y para generar parte de ruido puro, lo limpia en unas decenas de pasos y entrega el resultado al decodificador, que lo convierte en píxeles.
El texto entra por atención cruzada. Un codificador de texto, en las primeras versiones el de CLIP, convierte la frase en vectores, y en cada paso las capas de la U-Net los consultan para decidir qué ruido quitar.
Viene de
DDPM (19 de junio de 2020)
Influencia directa documentada
El decodificador de DALL·E 2 es un modelo de difusión, y la difusión latente de Stable Diffusion aplica los modelos de difusión en un espacio comprimido; los dos artículos citan a Ho y otros (2020)
Autocodificador variacional (20 de diciembre de 2013)
Influencia directa documentada
La difusión latente trabaja en el espacio de un autocodificador; una de sus variantes impone una ligera penalización KL «similar a un VAE», citando a Kingma y Welling
Lleva a
Sora (15 de febrero de 2024)
Herencia sin relación directa demostrada
Sora es un modelo de difusión que trabaja sobre una representación comprimida del vídeo, partida en parches como las imágenes del Vision Transformer
Hilos que pasan por aquí
- De la difusión al modelo de mundo (paso 5 de 7)
- Del ruido a la imagen (paso 7 de 7)
Bibliografía
Fuente original
- High-Resolution Image Synthesis with Latent Diffusion Models (arXiv:2112.10752) (se abre en una pestaña nueva). Robin Rombach, Andreas Blattmann, Dominik Lorenz, Patrick Esser y Björn Ommer, 2021
Cómo citar
«Stable Diffusion». En La historia de la IA, revisión del 13 de noviembre de 2026. https://thehistoryofai.com/es/hito/stable-diffusion
Última revisión de esta ficha: 13 de noviembre de 2026.