Latent Diffusion（潜在扩散）

潜在扩散模型由Rombach等人于2022年提出，核心是使用一个预训练的自编码器（如VQ-VAE或KL-VAE）将图像编码到潜在空间，然后在该空间训练扩散模型。由于潜在空间维度远低于像素空间，训练和采样效率显著提升。条件生成可通过交叉注意力引入文本、类别等条件。Stable Diffusion即基于此架构，支持文本到图像生成，并推动了AI绘画的普及。