潜在空间

潜在空间是一个抽象的低维表示空间，高维数据 (图像、文本、音频) 通过学习到的编码器被压缩到该空间中。一张 512x512 的 RGB 图像包含约 786,000 个维度，但自编码器的瓶颈层可能将其压缩为几百个维度，同时捕获本质结构。

一个关键特性是语义相似的数据点映射到相邻位置。在人脸图像的潜在空间中，微笑程度或年龄等属性对应特定方向，可通过向量运算实现操控。

• VAE 潜在空间：变分自编码器将潜在分布正则化为近似标准正态分布，产生平滑的空间，其中任何采样点都能解码为合理的输出
• GAN 潜在空间：GAN 生成器将噪声向量映射为逼真图像。StyleGAN 的 W 和 W+ 空间提供更优的解耦性和可编辑性
• 潜在扩散：Stable Diffusion 在 VAE 的潜在空间而非像素空间中执行扩散过程，将计算成本降低数个数量级同时保持质量

理解潜在空间是图像生成、风格迁移、语义编辑和异常检测的核心。t-SNE 和 UMAP 常用于将潜在空间可视化为 2D 以进行模型分析。