[控场AI]
概念Latent Diffusion / 潜空间扩散架构

潜空间扩散

潜空间扩散(Latent Diffusion)是一种图像生成技术架构,其核心思路是将扩散过程从高维像素空间转移到经编码器压缩后的低维潜空间中执行,再通过解码器还原为图像。相比直接在像素空间操作,该方法显著降低了计算资源消耗,同时保持了较高的生成质量,是现代文本生成图像模型(如Stable Diffusion)的重要技术基础。

核心事实

时间轴 (近 90 天)

9月1日

潜空间扩散架构使用变分自编码器(VAE)将图像压缩到低维潜空间,在压缩空间中执行加噪去噪,是Stable Diffusion名称的由来

已验证65%
9月1日

潜空间扩散架构将计算量降低了数十倍,使得在消费级GPU上运行大规模图像生成成为可能

待验证50%
7月24日

潜在扩散模型通过在低维潜在空间而非像素空间执行扩散过程,大幅降低了计算成本

已验证85%

全部知识事实 (3)

来源文章