Glosario IA
El diccionario completo de la Inteligencia Artificial
OpenPose
Sistema de detección de pose corporal en tiempo real que extrae los puntos clave de las articulaciones, utilizado como condición para que los modelos de difusión generen imágenes respetando una postura humana precisa.
Canny Edge Detection
Algoritmo de detección de bordes de múltiples etapas que identifica las fuertes variaciones de intensidad en una imagen, sirviendo como mapa de control espacial para los modelos de difusión para preservar las estructuras geométricas.
Scribble Map
Condición de control en forma de bocetos simples o trazos gruesos que guían la composición y las formas básicas de la imagen generada por el modelo de difusión.
Depth Map
Representación 2D de la información de profundidad 3D de una escena, donde cada píxel codifica su distancia con respecto a un plano de referencia, utilizada para controlar la perspectiva y la disposición espacial en la generación.
MLSD (Mobile Line Segment Detector)
Detector de segmentos de línea optimizado para dispositivos móviles que extrae las estructuras lineales de una imagen, sirviendo como condición para preservar la arquitectura y las perspectivas en la generación.
HED (Holistically-Nested Edge Detection)
Método de detección de bordes basado en redes neuronales profundas que captura las estructuras jerárquicas de los objetos, ofreciendo un control más semántico que los detectores de bordes tradicionales.
T2I-Adapter (Text-to-Image Adapter)
Módulo ligero que conecta condiciones de control espacial a los modelos de difusión texto-imagen, permitiendo un control preciso mientras conserva las capacidades de generación originales del modelo.
Reference-Only Control
Técnica de control que utiliza una imagen de referencia solo para extraer características sin modificación directa de la estructura, preservando así la composición mientras transfiere el estilo.
ControlLoRA
Combinación de ControlNet con la arquitectura LoRA (Low-Rank Adaptation) que permite un control condicional eficiente con un mínimo de parámetros entrenables.
SparseCtrl
Método de control que utiliza condiciones dispersas (puntos clave, cajas delimitadoras) para guiar la generación, ofreciendo una alternativa más ligera a los mapas de control densos.
UniControl
Marco unificado que permite el control simultáneo de múltiples condiciones (texto, pose, profundidad, etc.) en un solo modelo de difusión, eliminando la necesidad de entrenamientos separados.
ControlNet-XS
Variante extremadamente ligera de ControlNet que utiliza menos del 1% de los parámetros originales manteniendo un rendimiento de control comparable.
Multi-ControlNet
Arquitectura que permite la aplicación simultánea de múltiples condiciones de control (ej: pose + profundidad + estilo) para una guía multidimensional de la generación de imágenes.
ControlNet Preprocessor
Módulo de procesamiento que convierte las entradas brutas (imágenes, bocetos) en mapas de control normalizados compatibles con el espacio latente del modelo de difusión.
Control Weight
Parámetro ajustable que determina la influencia relativa de la condición de control con respecto al prompt de texto en el proceso de generación del modelo de difusión.