Qué es el inpainting
El inpainting rellena una zona marcada de la imagen con contenido generado; es la base de casi todos los editores de ropa con IA.
El inpainting («repintado») es la técnica que reconstruye una zona marcada de una imagen a partir de los píxeles que la rodean. En su versión generativa, un modelo de difusión rellena la máscara con contenido nuevo guiado por un texto. Sirve para restaurar fotos, quitar objetos o cambiar una prenda; con un modelo sin filtro, produce el desnudo sintético.
Cómo funciona
El usuario, o un detector automático, marca una zona de la foto: la máscara. El resto de la imagen se conserva sin cambios. El modelo recibe la foto, la máscara y una instrucción de texto, y genera píxeles nuevos que encajan en bordes, luz y perspectiva con lo que queda alrededor. El resultado se mezcla con el original y se exporta como una sola imagen.
La versión clásica, anterior a la IA generativa, copiaba parches de la propia foto para tapar un objeto; es lo que hacen las herramientas de «relleno según contenido» de los editores tradicionales. La versión generativa, popularizada en 2022 con los modelos de difusión latente de Stable Diffusion, inventa contenido que no existía en la imagen.
Usos de la misma técnica
| Uso | Qué se rellena | Riesgo |
|---|---|---|
| Restauración | Rayas, manchas, zonas dañadas | Bajo |
| Quitar objetos | Personas o cosas de fondo | Bajo |
| Cambiar ropa | Una prenda por otra | Medio: la foto sale a un servidor |
| Fondos y producto | Escenario de una foto comercial | Bajo |
| Desnudo sintético | La ropa por anatomía inventada | Alto: imagen íntima si es de un tercero |
La técnica es la misma en las cinco filas; cambian el modelo, el filtro de contenido y el uso que se le da.
Por qué el resultado es una estimación
El modelo no ve lo que hay debajo de la máscara: lo predice a partir de millones de imágenes de entrenamiento. Por eso inventa anatomía, texto, joyas o dedos, y por eso falla cuando la pose, la luz o la ropa se alejan de lo habitual. Los bordes de la máscara y las diferencias de grano son las señales que usa la detección de deepfakes.
En nuestras reseñas, ese comportamiento se mide en el criterio de calidad (25 % del puntaje): coherencia de bordes, luz y textura en fotos de control propias, con la fecha de la prueba. Una herramienta que exige marcar la máscara a mano suele dar más control que una que la detecta sola.
Riesgos y límites
- Servidor remoto: en casi todos los servicios web la foto completa viaja al servidor del proveedor, no solo la zona marcada. La política de datos decide cuánto tiempo queda allí.
- Filtro de contenido: los modelos con filtro NSFW rechazan la máscara sobre el cuerpo; los que no lo tienen producen el desnudo sintético. Esa diferencia define la categoría.
- Fotos ajenas: aplicar la técnica a la foto de otra persona sin permiso es el origen de la mayoría de las imágenes íntimas no consentidas generadas con IA.
- Resultado no verificable: la imagen final no distingue entre lo original y lo generado, salvo que el proveedor añada credenciales de procedencia o marca de agua.
- Límite editorial: este sitio no ejecuta modelos ni recibe fotos; describe la técnica y reseña servicios de terceros con fotos de control propias.
En Chile
La técnica es neutra y legal; lo que la ley evalúa es el uso. Rellenar la ropa de una persona identificable sin su consentimiento y difundir el resultado puede caer en el artículo 161-C del Código Penal (Ley 21.153, 2019) o en el artículo 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 la procesa es, además, tratar un dato biométrico sin consentimiento según la Ley 21.719, vigente desde el 1 de diciembre de 2026. Los proyectos sobre deepfakes (Boletín 17.795-19) y sobre el sello IA (Boletín 17.618-19) siguen en trámite. Esta entrada informa; no es asesoría legal.
Términos relacionados
- Stable Diffusion: la familia de modelos de difusión que popularizó el repintado generativo.
- img2img: la técnica hermana que transforma la imagen completa en lugar de una zona.
- ControlNet: el módulo que fija pose y contorno para que el relleno respete la figura.
Herramientas relacionadas
Los editores que aplican esta técnica a la ropa, con y sin filtro, están comparados en quitar ropa con IA; las fichas con puntaje y fecha de prueba, en el catálogo de apps para desnudar.
Preguntas frecuentes sobre inpainting
¿Qué significa inpainting en español?
«Repintado» o «relleno de imagen»: reconstruir una zona marcada de una foto a partir de lo que la rodea. En los editores con IA, el modelo genera contenido nuevo dentro de esa zona.
¿Es lo mismo que el relleno según contenido de un editor clásico?
No. El relleno clásico copia parches de la misma foto; el generativo inventa píxeles a partir de un modelo entrenado y una instrucción de texto. Solo el segundo puede crear una prenda o un cuerpo.
¿Cómo usan la técnica las apps para quitar ropa?
Detectan o piden marcar la zona de la prenda y la rellenan con un modelo sin filtro. La foto completa viaja al servidor del proveedor; por eso la privacidad pesa 30 % en nuestras reseñas.
¿Se nota que una foto pasó por esta técnica?
A veces: bordes de máscara, grano distinto, anatomía o joyas incoherentes. Con recompresión las señales se pierden; solo las credenciales de procedencia o una pericia dan certeza.
¿Es legal usarla en Chile?
Con tus propias fotos, sí. Con la foto de otra persona sin consentimiento puedes incurrir en los artículos 161-C o 161-D del Código Penal y en un tratamiento ilícito de datos biométricos.
Seguir leyendo
- Cambiar ropa con IA vs quitar ropa: dos familias de herramientas con la misma técnica.
- la guía de quitar ropa de fotos: qué editores aplican la técnica y cómo rinden.
- DeepNude: la app de 2019 que usó otra arquitectura para el mismo fin.
- Cómo detectar un deepfake: las señales que deja el repintado.
Fuentes
- Rombach, Blattmann, Lorenz, Esser y Ommer (2022) — «High-Resolution Image Synthesis with Latent Diffusion Models», arXiv 2112.10752: arxiv.org.
- Hugging Face — documentación de Diffusers, guía de inpainting: huggingface.co.
- CompVis — repositorio de Stable Diffusion, con el modelo de inpainting: github.com.
- Biblioteca del Congreso Nacional — Ley N.° 21.153, artículo 161-C del Código Penal: bcn.cl.
- Biblioteca del Congreso Nacional — Ley N.° 21.719 de protección de datos personales: bcn.cl.