Los avances recientes en modelos generativos basados en aprendizaje profundo han simplificado la generación de imágenes, aumentando la necesidad de mejorar el rastreo de origen y la protección de derechos de autor, especialmente con la producción eficiente y de alta calidad de los modelos de difusión latente (LDM) generando preocupaciones sobre el uso no autorizado. Este documento proporciona una revisión exhaustiva de las técnicas de marca de agua aplicadas a los modelos de difusión latente, centrándose en las tendencias recientes y la utilidad potencial de estos enfoques. La marca de agua utilizando modelos de difusión latente ofrece el potencial de superar estas limitaciones al incrustar marcas de agua en el espacio latente durante el proceso de generación de imágenes. Esto representa un nuevo paradigma de marca de agua que aprovecha un grado de libertad no disponible en las técnicas tradicionales de marca de agua y subraya la necesidad de explorar los avances potenciales en tecnología de marcas de agua. La marca de agua basada en LDM permite la internalización natural de marcas de agua dentro del proceso de generación de contenido, lo que permite una marca de agua robusta sin comprometer la calidad de la imagen. Categorizamos los métodos según las estrategias de incrustación y analizamos su efectividad en lograr funcionalidades clave: rastreo de origen, protección de derechos de autor e identificación de contenido generado por IA. La revisión destaca las fortalezas y limitaciones de las técnicas actuales y discute las direcciones futuras para mejorar la robustez y aplicabilidad de la marca de agua en el cambiante panorama de la IA generativa.