Relleno generativo en 2026: comparando el estado del arte

La base tecnica: difusion latente e inpainting

Todo sistema de relleno generativo de 2026 se construye sobre la difusión latente. La arquitectura, descrita en el artículo de Rombach et al. de 2022, codifica una imagen en un espacio latente comprimido (aproximadamente 8 veces más pequeño por dimensión espacial), aplica un proceso de eliminación de ruido condicionado por el contexto circundante y la decodifica de nuevo en píxeles. Para el inpainting, el modelo recibe la imagen con la región enmascarada puesta a cero, una máscara binaria y, opcionalmente, una indicación de texto. Genera nuevos valores latentes para la máscara mientras ancla las regiones no enmascaradas a la representación original.

Dominan dos estrategias de condicionamiento. Los modelos condicionados por texto (Adobe Firefly, Photoshop Generative Fill) aceptan una indicación que guía qué generar. Escribe 'globo aerostático' y el modelo coloca uno acorde con la perspectiva y la iluminación de la escena. Los modelos basados solo en el contexto (el modo predeterminado de Magic Eraser, muchas herramientas móviles) deducen el contenido de relleno por completo a partir de los píxeles circundantes, y destacan en la eliminación de objetos y la reconstrucción de fondos. Las herramientas más potentes de 2026 admiten ambos modos. El diferenciador de calidad crítico en todos los enfoques es la fusión de los límites: garantizar que los píxeles generados pasen a los existentes sin costuras visibles, cambios de color ni roturas de textura.

Comparando implementaciones: quien ofrece que

Adobe Photoshop Generative Fill, impulsado por la familia de modelos Firefly, es la configuración experta más completa en funciones. El contenido generado se coloca en una capa separada para enmascarar y fusionar de forma independiente. El modelo, afinado con imágenes de Adobe Stock con licencia, maneja el compositing creativo guiado por texto mejor que cualquier competidor. La contrapartida es la accesibilidad: una suscripción a Creative Cloud (~23 $/mes), software de escritorio y hardware capaz. Para los expertos que ya están en el ecosistema de Adobe, es la elección natural.

Magic Eraser adopta el enfoque opuesto. AI Fill se encarga del inpainting y AI Expand del outpainting, ambos disponibles en iOS, Android y la web sin necesidad de instalación. La interfaz es deliberadamente minimalista — pintar, generar, revisar — y los resultados llegan en uno a tres segundos. Un agente inmobiliario puede ampliar la foto de una habitación en su teléfono entre visitas. Un vendedor de Etsy elimina un elemento no deseado en segundos. El plan Premium cuesta 29,99 $/año. La contrapartida frente a Photoshop es que no hay compositing por capas ni indicaciones de texto. Magic Eraser está optimizado para un relleno rápido y consciente del contexto, más que para la dirección creativa.

Canva integra el relleno generativo mediante Magic Expand (extensión de la relación de aspecto) y Magic Grab (reposicionamiento del sujeto con relleno generativo del fondo). La ventaja es la integración del flujo de trabajo con el sistema de plantillas y diseño de Canva. La calidad del relleno es buena para redes sociales, pero no iguala a los editores fotográficos dedicados en sujetos difíciles. Requiere Canva Pro (~13 $/mes).

Google Magic Editor en Google Fotos aprovecha la familia de modelos Imagen y produce resultados sólidos en escenas naturales — paisajes, fotos de grupo, tomas de viaje. Gratis para los propietarios de Pixel, disponible para los suscriptores de Google One en otros lugares. La herramienta está orientada al consumidor y no tiene una vía de exportación profesional. Samsung Galaxy AI, disponible en los dispositivos Galaxy de gama alta desde la serie S24, ejecuta una arquitectura híbrida: los rellenos sencillos se procesan en el dispositivo a través de la NPU y los complejos se enrutan a la nube. La calidad es competitiva para un uso casual, pero los resultados en el dispositivo muestran menor fidelidad en texturas complejas que las opciones en la nube.

Criterios de calidad: fusion de bordes, textura y conciencia semantica

En tareas sencillas, todas las herramientas funcionan bien. Las diferencias surgen en los retos más difíciles. En la fusión de bordes, Adobe Photoshop y Magic Eraser produjeron las transiciones más limpias en nuestras pruebas, con costuras mínimas al 200 % de zoom. Canva y Google mostraron halos ocasionales de cambio de color en los límites de alto contraste. Los resultados de Samsung variaron entre el procesamiento en el dispositivo y en la nube.

La consistencia de las texturas en regiones de relleno grandes (más del 30 % de la imagen) favorece la canalización de mayor resolución de Photoshop. Magic Eraser maneja bien rellenos de hasta aproximadamente el 40-50 % del área de la imagen, y AI Expand suele superar a AI Fill en regiones muy grandes porque su modelo de outpainting está optimizado para generar contenido coherente a partir del contexto de los bordes. Los muros de ladrillo, los suelos de madera y el follaje siguen siendo pruebas de esfuerzo habituales.

La conciencia semántica — entender qué pertenece lógicamente a una región rellenada — ha mejorado notablemente desde 2024. El Firefly de Photoshop y el Imagen de Google reconstruyen una geometría de escena plausible casi siempre (por ejemplo, revelando la pata de una mesa detrás de una silla eliminada). Magic Eraser maneja correctamente los escenarios habituales, con errores ocasionales en la oclusión compleja de varios objetos. La velocidad también importa: Magic Eraser y Google devuelven resultados en uno a tres segundos. Photoshop tarda de tres a ocho segundos, pero con un techo de calidad más alto.

Lo que el relleno generativo aun no hace bien

Los rostros humanos siguen siendo el mayor reto. Las regiones de relleno que se superponen a una cara producen, la mayoría de las veces, resultados del valle inquietante en todas las herramientas. El consejo práctico: evitar que las caras se crucen con las regiones de relleno y usar en su lugar herramientas de retoque dedicadas. El texto dentro de la escena es otro fallo constante — los modelos de difusión generan formas parecidas a letras que rara vez son legibles. La solución alternativa es rellenar sin el texto y añadirlo como una capa separada.

Los patrones repetitivos complejos con regularidad geométrica estricta (suelos de baldosas, vallas de tela metálica, tejidos) hacen tropezar a los modelos porque las pequeñas desviaciones de espaciado o ángulo se ven de inmediato. Los resultados han mejorado desde 2024, pero a menudo se necesita un retoque manual. Los reflejos y la transparencia presentan un problema relacionado: los reflejos simples (un edificio en un lago en calma) funcionan. Los reflejos complejos en ángulo (una persona en el escaparate de una tienda) siguen siendo poco fiables en todas las implementaciones.

Las familias de modelos: SDXL, Firefly e Imagen

Tres linajes de modelos dominan el relleno generativo en 2026. El SDXL de Stability AI y sus derivados impulsan muchas herramientas independientes y de código abierto, con fortalezas en la fidelidad de las texturas y la precisión del color en la fotografía de exteriores y de productos. La canalización de Magic Eraser utiliza un modelo propietario basado en principios de inpainting por difusión, optimizado para la velocidad y la calidad de los bordes en los tipos de imágenes que nuestros usuarios editan con más frecuencia.

Adobe Firefly, entrenado con contenido de Adobe Stock con licencia, destaca en imágenes comerciales y ofrece la generación condicionada por texto más potente. Produce resultados coherentes a partir de indicaciones descriptivas con las que otros modelos tienen dificultades. La familia Imagen de Google, incluida la variante que impulsa Magic Editor, ofrece los resultados de escenas naturales más fotorrealistas y la comprensión semántica de escenas más sólida. Sigue siendo exclusiva de los propios productos de Google, sin acceso a API de terceros.

Hacia donde se dirige el relleno generativo

Tres tendencias dan forma a la próxima fase. El procesamiento en el dispositivo se está expandiendo de las operaciones sencillas en teléfonos de gama alta hacia rellenos de mayor calidad sin idas y vueltas a la nube, con implicaciones significativas para la privacidad. El relleno generativo nativo de vídeo — mantener la coherencia temporal entre fotogramas — es la próxima frontera. El relleno fotograma a fotograma actual funciona, pero parpadea, y los modelos temporales están en desarrollo activo en Adobe, Google y varios laboratorios de investigación.

La tercera tendencia es el refinamiento híbrido humano-IA: la IA genera un relleno, el usuario identifica problemas en áreas concretas. La IA vuelve a generar solo esas regiones. Este bucle colaborativo existe a un nivel básico en Photoshop y se está expandiendo a otros lugares. El estado final no es que la IA reemplace el ojo humano, sino que la IA se encargue de la generación pesada mientras el humano toma las decisiones de criterio. Para fotógrafos, diseñadores y usuarios cotidianos, el relleno generativo ha pasado de novedad a herramienta clave. Y la configuración adecuada depende de tu flujo de trabajo, tu dispositivo y las imágenes con las que más trabajas.