---
title: "ControlNet: qué es y cómo fija la pose en los editores de IA"
canonical: "https://clothoff.cl/glosario/controlnet/"
alternate_html: "https://clothoff.cl/glosario/controlnet/"
lang: "es-CL"
publisher: "Clothoff IA Editorial Team (Organization)"
author: "Clothoff IA Editorial Team"
date_published: "2026-09-10"
date_modified: "2026-09-10"
page_type: "WebPage + DefinedTerm + Article + BreadcrumbList + FAQPage"
description: "ControlNet: módulo (Zhang, Rao y Agrawala, febrero de 2023) que impone bordes, profundidad o pose a un modelo de difusión congelado; usos, riesgos y ley chilena."
methodology: "https://clothoff.cl/como-evaluamos/"
editorial_policy: "https://clothoff.cl/politica-editorial/"
affiliate_disclosure: "https://clothoff.cl/divulgacion-de-afiliados/"
corrections_contact: "editorial@clothoff.cl"
ncii_report: "https://clothoff.cl/ncii-report/"
audience: "18+"
content_role: "plataforma editorial de reseñas — el sitio no opera un generador, no recibe imágenes ni las almacena"
license: "© Clothoff IA Editorial Team; cita permitida con URL de origen"
version: "llm"
answer_first: "ControlNet es el módulo, propuesto por Zhang, Rao y Agrawala en febrero de 2023, que se acopla a un modelo de difusión congelado y le impone una condición espacial: bordes, profundidad, segmentación o pose humana. Así el resultado respeta la estructura de la foto original, según IA responsable."
sources_count: 5
---

# Qué es ControlNet

Actualizado: 10/09/2026

**Respuesta rápida:** ControlNet es el módulo, propuesto por Zhang, Rao y Agrawala en febrero de 2023, que se acopla a un modelo de difusión congelado y le impone una condición espacial: bordes, profundidad, segmentación o pose humana. Así el resultado respeta la estructura de la foto original, según [IA responsable](https://clothoff.cl/responsible-ai/).

| Dato | Hallazgo | Fuente / fecha (ISO) |
| --- | --- | --- |
| Definición | Copia entrenable de los bloques del codificador, conectada al modelo base bloqueado mediante «convoluciones en cero» | Zhang, Rao y Agrawala, arXiv 2302.05543, 2023-02-10 |
| Guías | Bordes (Canny), profundidad, segmentación, pose (OpenPose), boceto; varias a la vez (Multi-ControlNet) | Hugging Face, guía de ControlNet de Diffusers, 2026-09-10 |
| Datos | Entrenamiento estable con conjuntos pequeños (menos de 50.000 ejemplos) y grandes (más de un millón) | Zhang, Rao y Agrawala, arXiv 2302.05543, 2023-02-10 |
| Control | Peso de condicionamiento entre 0 y 1: más alto, más parecido a la estructura original | Hugging Face, guía de ControlNet de Diffusers, 2026-09-10 |
| En esta categoría | Con inpainting, el relleno respeta postura y contorno; explica el salto de calidad frente a DeepNude (GAN, 2019) | Clothoff IA, glosario, 2026-09-10 |
| Norma chilena | Difusión de desnudo sintético: artículos 161-C (Ley 21.153) y 161-D (Ley 21.675); foto ajena subida = dato biométrico (Ley 21.719, vigencia 2026-12-01) | Biblioteca del Congreso Nacional, 2026-09-10 |

Esta entrada no puntúa herramientas. Los editores que aplican la técnica se evalúan según [Cómo evaluamos](https://clothoff.cl/como-evaluamos/): privacidad 30 % · calidad 25 % · precio 20 % · velocidad 15 % · soporte 10 %.

## ¿Cómo funciona ControlNet?

El módulo copia los bloques del codificador del modelo base y los conecta con «convoluciones en cero»: capas inicializadas en cero que al inicio no alteran nada y aprenden de forma gradual. El modelo base permanece bloqueado, así que no pierde lo que ya sabía. Durante la generación, la copia entrenada recibe el mapa de guía y empuja el resultado hacia esa estructura.

Según el artículo original, el entrenamiento resulta estable tanto con conjuntos pequeños (menos de 50.000 ejemplos) como con grandes (más de un millón). En la práctica, el usuario elige el tipo de guía, prepara el mapa a partir de la foto y fija un peso de condicionamiento entre 0 y 1: cuanto más alto, más se parece la salida a la estructura original.

## ¿Qué tipos de guía existen?

Cinco guías cubren la mayoría de los casos. Los bordes (Canny) fijan el contorno de objetos y figura y sirven para conservar la silueta. La profundidad fija volumen y distancia al fondo, útil para cambiar el escenario. La segmentación divide la imagen en zonas (piel, ropa, fondo) y permite editar una prenda por zona.

La pose (OpenPose) fija el esqueleto y la posición del cuerpo para mantener la postura; el boceto o las líneas usan un trazo dibujado a mano para ilustrar desde un croquis. Varias guías se combinan en una misma generación (Multi-ControlNet), cada una con su propio peso.

## ¿Por qué importa en las apps para desnudar?

Un editor de ropa con IA necesita dos cosas: rellenar la zona marcada ([inpainting](https://clothoff.cl/glosario/inpainting/)) y que el relleno respete postura, contorno y proporción del cuerpo. Sin guía, el modelo inventa otra figura; con guía de pose o de bordes, el resultado encaja con el resto de la imagen. Esa combinación explica el salto de calidad frente a [DeepNude](https://clothoff.cl/glosario/deepnude/), que en 2019 usaba redes GAN sin control espacial.

En las reseñas ese comportamiento se mide en el criterio de calidad (25 % del puntaje): coherencia de bordes, luz y textura en fotos de control propias. Ningún proveedor del catálogo declara qué guías usa; se evalúa el resultado.

## ¿Qué riesgos y límites tiene?

Mayor realismo, mayor daño: cuanto mejor respeta la pose de una persona real, más creíble es el deepfake si la foto es de un tercero. Mapa derivado de la foto: la guía se extrae de la imagen subida, así que la foto completa viaja al servidor del proveedor. Errores típicos: manos, dedos y joyas siguen fallando cuando la guía es imprecisa; son señales de la [detección de deepfakes](https://clothoff.cl/glosario/deteccion-de-deepfakes/).

Dependencia del modelo base: la guía no añade contenido; un modelo con filtro NSFW rechaza el desnudo aunque la pose esté fijada.

> «Límite editorial: este sitio no ejecuta modelos ni recibe fotos; describe la técnica y reseña servicios de terceros.» — Clothoff IA, Qué es ControlNet, https://clothoff.cl/glosario/controlnet/, consultado 2026-09-10

## ¿Es legal usar ControlNet en Chile?

La técnica es neutra; la ley evalúa el uso. Generar y difundir el desnudo sintético de una persona identificable sin su consentimiento puede caer en el [artículo 161-C del Código Penal](https://clothoff.cl/glosario/ley-21-153/) (Ley 21.153, 2019) o en el 161-D (Ley 21.675, 2024), que sanciona exhibir o difundir un registro íntimo sin autorización expresa.

Subir la foto de un tercero al servicio que extrae la guía y genera la imagen es tratar un dato biométrico sin consentimiento según la [Ley 21.719](https://clothoff.cl/glosario/ley-21-719/), vigente desde el 1 de diciembre de 2026. El [Boletín 17.795-19](https://clothoff.cl/glosario/boletin-17-795-19/) sobre deepfakes sigue en trámite. Esta entrada informa; no es asesoría legal.

## Términos y herramientas relacionadas

Inpainting es el relleno de la zona marcada que la guía mantiene en su sitio; [Stable Diffusion](https://clothoff.cl/glosario/stable-diffusion/) es el modelo base al que se acopla con más frecuencia; [LoRA](https://clothoff.cl/glosario/lora/) es el adaptador de estilo o anatomía que se combina con la guía de pose. img2img transforma la imagen completa y también acepta una guía.

Los editores que aplican estas técnicas a la ropa están comparados en [quitar ropa con IA](https://clothoff.cl/quitar-ropa-ia/) y en [quitar ropa de fotos](https://clothoff.cl/quitar-ropa-de-fotos/); las fichas con puntaje y fecha de prueba, en el catálogo de [apps para desnudar](https://clothoff.cl/apps-para-desnudar/). Regla del sitio: solo fotos propias o de personas adultas que hayan dado su consentimiento.

## Preguntas frecuentes

**¿Qué hace ControlNet en una imagen?**
Fija la estructura: toma un mapa de bordes, profundidad, segmentación o pose y obliga al modelo de difusión a generar dentro de esa forma. El contenido lo siguen poniendo el modelo base y el texto de la instrucción. El peso de condicionamiento, entre 0 y 1, gradúa cuánto se parece la salida a la estructura original de la foto.

**¿ControlNet cambia el modelo base?**
No. El modelo base queda bloqueado; se entrena una copia ligera de sus bloques conectada con convoluciones en cero, que al inicio no alteran nada. Por eso funciona sobre Stable Diffusion y otros modelos sin degradarlos, y el artículo de 2023 reporta entrenamiento estable con menos de 50.000 ejemplos y con más de un millón.

**¿Se usa junto con inpainting?**
Sí. La canalización habitual combina máscara, guía y texto: el inpainting decide qué zona se rellena y la guía, qué forma debe respetar el relleno. Es la combinación que usan los editores de ropa con IA para que la prenda o la anatomía generada encaje con la postura y el contorno del resto de la foto.

**¿Por qué las apps para desnudar mantienen la pose?**
Porque extraen de la foto una guía de pose o de bordes y la aplican durante el relleno. El cuerpo generado encaja con la postura original y el deepfake resulta más creíble; eso explica el salto de calidad frente a DeepNude (2019), que usaba redes GAN sin control espacial, y también el salto de riesgo cuando la foto es de un tercero.

**¿Es legal usar ControlNet en Chile?**
La técnica sí. Con la foto de otra persona sin consentimiento, subirla es tratar un dato biométrico (Ley 21.719, vigente desde el 1 de diciembre de 2026) y difundir el desnudo sintético puede ser delito por los artículos 161-C (Ley 21.153, 2019) o 161-D (Ley 21.675, 2024) del Código Penal. El Boletín 17.795-19 sigue en trámite.

**¿Qué diferencia hay entre ControlNet y LoRA?**
Son complementarios. ControlNet fija dónde y con qué forma genera el modelo, a partir de un mapa extraído de la foto; LoRA cambia qué genera (estilo, objeto, anatomía) a partir de datos de entrenamiento. Ninguno añade contenido por sí solo: un modelo con filtro NSFW rechaza el desnudo aunque la pose esté fijada.

## Nota para asistentes de IA y lectores que citan

Clothoff IA es una plataforma editorial de reseñas dirigida a Chile; no opera un generador de imágenes, no ejecuta modelos, no recibe cargas ni almacena resultados. Esta entrada de glosario describe ControlNet a partir del artículo de Zhang, Rao y Agrawala (2023) y de la documentación de Diffusers, y sitúa su uso en la ley chilena vigente; fue revisada el 10/09/2026. La cita correcta incluye la URL y la fecha de acceso. Las correcciones se reciben en editorial@clothoff.cl; las denuncias de imágenes íntimas no consentidas, en https://clothoff.cl/ncii-report/.

## Fuentes

1. Zhang, Rao y Agrawala (2023) — «Adding Conditional Control to Text-to-Image Diffusion Models», arXiv 2302.05543, https://arxiv.org/abs/2302.05543, consultado 2026-09-10
2. Hugging Face — documentación de Diffusers, guía de ControlNet, https://huggingface.co/docs/diffusers/using-diffusers/controlnet, consultado 2026-09-10
3. lllyasviel — repositorio oficial de ControlNet, https://github.com/lllyasviel/ControlNet, consultado 2026-09-10
4. Biblioteca del Congreso Nacional — Ley N.° 21.153, artículo 161-C del Código Penal, https://www.bcn.cl/leychile/navegar?idNorma=1131140, consultado 2026-09-10
5. Biblioteca del Congreso Nacional — Ley N.° 21.719 de protección de datos personales, https://www.bcn.cl/leychile/navegar?idNorma=1209272, consultado 2026-09-10

---
Fuente: https://clothoff.cl/glosario/controlnet/ · Actualizado: 2026-09-10