模型
Latent Diffusion Model（潜在扩散模型）
Latent Diffusion Model（LDM）是一种在低维潜在空间中进行扩散过程的高效图像生成模型，解决像素空间扩散计算成本高的问题。它先使用自编码器将图像压缩到潜在空间，再在该空间训练扩散模型，典型代表是Stable Diffusion，广泛应用于高质量图像合成。
详细解释
LDM由三个部分组成：感知压缩自编码器（将图像编码为潜在表示并解码回图像）、扩散模型（在潜在空间进行去噪）和条件机制（如交叉注意力注入文本、类别等条件）。相比像素空间扩散，LDM在保持生成质量的同时大幅降低计算量和内存消耗，使高分辨率图像生成变得可行。该模型由Robin Rombach等人于2022年提出，并催生了Stable Diffusion等开源项目，推动了AI绘画的普及。
别名与相关写法
latent diffusion model