Skip to main content

ControlNet: Control de Posiciones y Geometría

Extensión de red neuronal para modelos de difusión (Stable Diffusion) que permite controlar la composición espacial de la generación mediante mapas de profundidad, contornos de líneas (Canny edge) y 'esqueletos' de poses humanas (OpenPose). Transforma la generación caótica en una herramienta precisa para diseñadores.

1. Visión general del concepto y problema sistémico

Cuando la generación de imágenes apenas comenzaba, se asemejaba a una máquina tragamonedas en un casino: introducías una moneda (escribías un prompt) y tirabas de la palanca. Lo que salía, salía.

Para ilustradores profesionales, arquitectos y diseñadores de moda, esto era inadecuado: el cliente exige que el modelo en la foto esté estrictamente en la pose del logotipo de la empresa o que el edificio tenga ángulos geométricos precisos según el plano.

En 2023, la invención llamada ControlNet transformó la IA de una lotería a una tableta gráfica profesional.

Para un principiante, ControlNet es una calca transparente que colocas sobre un boceto: la red neuronal pinta la escena de manera fotorrealista, pero ningún contorno o pose se moverá ni un milímetro.

2. Taxonomía arquitectónica y modelo mental

┌─────────────────────────────────────────────────────────────┐
│                 CÓMO FUNCIONA CONTROLNET OPENPOSE            │
├─────────────────────────────────────────────────────────────┤
│ 1. FOTO DE REFERENCIA: Te fotografías en una pose de salto   │
├─────────────────────────────────────────────────────────────┤
│ 2. DETECTOR OPENPOSE:                                       │
│    Crea un esqueleto de colores (esqueleto del cuerpo):      │
│         ○ (cabeza)                                          │
│        /│\ (hombros y brazo levantado)                      │
│        / \ (piernas en el aire)                             │
├─────────────────────────────────────────────────────────────┤
│ 3. TU PROMPT:                                              │
│    'Samurái ciberpunk en armadura de neón'                  │
├─────────────────────────────────────────────────────────────┤
│ 4. RESULTADO:                                               │
│    El samurái salta exactamente en la misma pose que tú,   │
│    ¡manteniendo todos los ángulos de inclinación del cuerpo! │
└─────────────────────────────────────────────────────────────┘

3. Cuatro modos más populares de ControlNet

  1. OpenPose (Poses humanas): repetición de movimientos de baile complejos, elementos deportivos o gesticulaciones de los dedos.
  2. Canny Edge (Contornos de líneas): ideal para diseño de productos — aplicar un nuevo patrón o material a la forma de un frasco de perfume o zapatillas.
  3. Depth Map (Mapa de profundidad): preservación de la distancia a los objetos en una habitación para renderizar interiores.
  4. Scribble (De garabato a 3D): transformación de un simple dibujo infantil hecho con marcador en un render 3D completo de un personaje de juego.

4. Escenarios prácticos de ingeniería en producción

Si tu trabajo está relacionado con marketing, diseño o desarrollo de juegos, estudia el uso de ControlNet (a través de programas como Fooocus o ComfyUI). Esto proporciona control absoluto sobre cada píxel de la generación.

01. Generación de Personajes en Videojuegos

02. Diseño de Productos Personalizados

03. Creación de Escenarios para Animaciones

/ Preguntas frecuentesSchema.org FAQPage

FAQ: ControlNet: Control de Posiciones y Geometría

No se podía controlar la pose y el ángulo: se podía escribir 'un hombre sentado en una silla, levantando el brazo izquierdo', pero la red neuronal lo dibujaba de pie, de perfil o con ambos brazos caídos. El texto es demasiado pobre para transmitir geometría tridimensional precisa.
/ Enlaces internos

Términos relacionados

Todos los términos
Modelos e Inferencia

Modelos de Difusión (Diffusion Models)

La arquitectura de modelos generativos (Stable Diffusion, Midjourney, FLUX) se basa en principios de termodinámica no equilibrada. Funciona en dos etapas: difusión directa (destrucción gradual de la imagen con ruido aleatorio) y difusión inversa (limpieza progresiva del ruido hasta obtener una imagen cristalina a partir de una descripción textual).

Leer término
Modelos e Inferencia

FLUX.1 (El Rey Moderno de las Imágenes Fotorrealistas)

Modelo líder de generación de imágenes de Black Forest Labs (creadores de Stable Diffusion). Conocido por su fotorrealismo impecable, la representación perfecta de los dedos de las manos y la capacidad de renderizar texto impreso claro.

Leer término
Modelos e Inferencia

Mantenimiento del Personaje y Consistencia de Estilo

Metodología y herramientas para preservar la consistencia visual del personaje (Character Consistency) y el estilo del autor en una serie de generaciones. Se utiliza para crear libros ilustrados, cómics, storyboards para películas y mascotas de marca mediante los parámetros --cref, FaceID y LoRA.

Leer término