潜在空间

模型把原始数据压缩后得到的内部表示空间，相似的东西在里面挨得近。

潜在空间是神经网络内部用来表示数据的向量空间。编码器把图像、声音、动作这类高维原始数据压成维数低得多的向量，这些向量所在的空间就叫潜在空间；训练得当时，意思相近的样本在里面距离也近。它的价值在于省算力、抓要点：在潜在空间里做生成、预测或规划，比直接处理像素便宜得多，也不容易被无关细节干扰。自编码器、变分自编码器（VAE，能采样生成新数据的自编码器）都靠它工作。具身智能里的常见用法有：潜在扩散模型在潜在空间里去噪生成图像和视频，隐空间世界模型在潜在状态上预测未来，潜在动作模型从无动作标签的视频里学出抽象的「动作编码」。

例子潜在扩散模型（Stable Diffusion 的基础）先用预训练自编码器把图片压成小得多的潜在表示，在这个空间里做扩散去噪，最后再解码回像素，训练和推理开销比直接在像素上做扩散小得多。

也叫

隐空间、潜空间、隐变量空间、Latent Feature Space

相关

嵌入向量、变分自编码器、潜在扩散模型、隐空间世界模型、潜在动作、表征学习

来源

Wikipedia: Latent space
High-Resolution Image Synthesis with Latent Diffusion Models (arXiv:2112.10752)