LayerDiffusion es un método que permite a los modelos de difusión latente preentrenados a gran escala generar imágenes transparentes. Este método permite generar imágenes transparentes individuales o múltiples capas transparentes. Aprende una "transparencia latente", codificando la transparencia del canal alfa en el espacio latente del modelo de difusión latente preentrenado. Al ajustar la transparencia añadida como una desviación latente, se minimiza el cambio en la distribución latente original del modelo preentrenado, preservando la calidad lista para producción del modelo de difusión a gran escala. Ajustando el espacio latente mediante un fino ajuste, cualquier modelo de difusión latente puede convertirse en un generador de imágenes transparentes. Hemos entrenado el modelo con un millón de pares de capas de imágenes transparentes recopiladas mediante colaboración hombre-máquina. Demostramos que la transparencia latente se puede aplicar a diferentes generadores de imágenes de código abierto, o adaptarse a diversos sistemas de control condicional, logrando aplicaciones como la generación de capas condicionales de primer plano/fondo, la generación de capas conjuntas y el control de la estructura del contenido de las capas. Los estudios con usuarios revelaron que, en la mayoría de los casos (97%), los usuarios prefieren el contenido transparente generado por nuestro método a soluciones temporales anteriores, como generar la imagen y luego recortarla. Los usuarios también informaron que la calidad de las imágenes transparentes generadas es comparable a la de los activos comerciales transparentes reales, como los de Adobe Stock.