潜在空間
読み: せんざいくうかん
高次元のデータを低次元に圧縮した表現空間。オートエンコーダや GAN などの生成モデルが、データの本質的な特徴を捉えた内部表現として利用する。
潜在空間 (Latent Space) とは、高次元の観測データ (画像、テキストなど) を低次元のベクトルに圧縮した抽象的な表現空間である。例えば 512x512 ピクセルの RGB 画像は約 78 万次元のデータだが、オートエンコーダのボトルネック層ではより低い次元の潜在ベクトルに圧縮される。この潜在ベクトルがデータの本質的な構造を捉えている。
潜在空間の重要な性質は、意味的に近いデータが空間上でも近くに配置される点にある。例えば顔画像の潜在空間では、笑顔の度合いや年齢といった属性が特定の方向に対応し、ベクトル演算で属性を操作できる。
- VAE の潜在空間: 変分オートエンコーダ (VAE) は潜在変数が正規分布に従うよう正則化する
- GAN の潜在空間: GAN のジェネレーターはランダムノイズ (潜在ベクトル) を入力として画像を生成する。StyleGAN では
W空間やW+空間が画像の編集に用いられる - 潜在拡散モデル: Stable Diffusion は画像をピクセル空間ではなく VAE の潜在空間上で拡散 / 逆拡散し、ピクセル空間で扱うより計算量を減らす
潜在空間の応用には画像生成 / 編集 / スタイル変換 / 異常検知などがある。次元削減手法 (t-SNE、UMAP) で潜在空間を 2D に可視化し、モデルの学習状況やデータのクラスター構造を分析する方法もある。