Stable Diffusion es un modelo de inteligencia artificial (IA) lanzado en 2022 que utiliza el aprendizaje profundo para generar imágenes detalladas a partir de descripciones de texto. Fue desarrollado por la startup Stability AI en colaboración con investigadores académicos y organizaciones sin fines de lucro. A diferencia de modelos anteriores, Stable Diffusion es de código abierto y puede ejecutarse en hardware de consumo con una GPU modesta.
Este modelo utiliza una arquitectura de red neuronal generativa llamada «modelo de difusión latente». Consiste en un codificador de autoencoders variacionales (VAE), un bloque U-Net y un codificador de texto opcional. El proceso de generación de imágenes se basa en aplicar ruido gaussiano de forma iterativa a una representación latente comprimida del texto, y luego descomprimir la representación latente en una imagen final. El modelo se entrena con pares de imágenes y descripciones de texto extraídos de un conjunto de datos público llamado LAION-5B.
Sin embargo, Stable Diffusion tiene algunas limitaciones. Por ejemplo, las imágenes generadas pueden perder calidad si se alejan de la resolución esperada de 512×512 píxeles. El modelo también tiene dificultades para generar extremidades humanas debido a la falta de calidad de los datos de entrenamiento en ese aspecto. Además, la personalización del modelo para nuevos casos de uso requiere nuevos datos y entrenamiento adicional.
El modelo ha sido utilizado para generar imágenes desde cero a partir de descripciones de texto, modificar imágenes existentes y realizar tareas como inpainting y outpainting. Los usuarios pueden ajustar diferentes parámetros para controlar la generación de imágenes, como la resolución de salida, el número de pasos de inferencia y el nivel de adhesión a la descripción.
Aunque Stable Diffusion permite a los usuarios utilizar libremente las imágenes generadas, ha habido controversia sobre los problemas éticos relacionados con la propiedad y el uso de estas imágenes generadas por IA.
En resumen, Stable Diffusion es un modelo de IA que genera imágenes detalladas a partir de descripciones de texto. Aunque tiene algunas limitaciones y desafíos técnicos, ofrece una amplia gama de aplicaciones en generación de imágenes y modificación de imágenes existentes.