Los modelos de difusión han tomado rápidamente la delantera en la modelización generativa, estableciendo estándares sin precedentes para producir salidas de alta calidad y variadas. A diferencia de las Redes Generativas Adversarias (GANs), una vez consideradas el estándar de oro en este ámbito, los modelos de difusión aportan varios beneficios únicos. Son conocidos por generar salidas que reflejan con mayor precisión la complejidad de los datos del mundo real, muestran una gama más amplia de diversidad y se basan en un enfoque de entrenamiento que es comparativamente más sencillo y estable.