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)
10月5日
潜空间扩散模型先用编码器将图像压缩到低维潜在空间进行去噪迭代，再用解码器还原，将扩散过程计算量降低数个数量级
待验证50%
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%