Latent Space

Einfach erklärt

Der Latent Space ist die “innere Vorstellung” eines KI-Modells – ein komprimierter Raum, in dem das Modell die wesentlichen Merkmale von Daten speichert.

Warum ist das wichtig?

Ein Bild hat Millionen Pixel, aber die wesentliche Information (Objekt, Stil, Farben) lässt sich in viel weniger Zahlen ausdrücken. Das macht Berechnungen schneller und ermöglicht Generierung.

Beispiel: Stable Diffusion

Bild (512×512×3 = 786.432 Werte)
  → Encoder
  → Latent Space (64×64×4 = 16.384 Werte)  ← 48x kleiner!
  → Decoder
  → Rekonstruiertes Bild

Was kann man im Latent Space machen?

• Generieren: Neue Bilder/Texte erzeugen durch Sampling im Latent Space
• Interpolieren: Sanfte Übergänge zwischen zwei Bildern (Morphing)
• Manipulieren: Richtungen finden wie “mehr lächeln” bei Gesichtern

Anschaulich: Ähnliche Dinge liegen im Latent Space nahe beieinander. Alle Katzenbilder sind in einer Region, alle Hundebilder in einer anderen.

Technischer Deep Dive

Autoencoder

Der klassische Weg einen Latent Space zu lernen:

1. Encoder: Komprimiert Eingabe in Latent-Vektor
2. Bottleneck: Der Latent Space (niedrigdimensional)
3. Decoder: Rekonstruiert die Eingabe aus dem Latent-Vektor

Variational Autoencoder (VAE)

Erweitert den Autoencoder um eine probabilistische Komponente:

• Latent Space ist eine Wahrscheinlichkeitsverteilung (nicht nur Punkte)
• Ermöglicht das Generieren neuer Daten durch Sampling
• Grundlage für den VAE in Stable Diffusion

Latent Space Arithmetik

Ähnlich wie bei Word2Vec kann man im Latent Space rechnen:

• Gesichter: vec(Mann mit Brille) - vec(Mann) + vec(Frau) ≈ vec(Frau mit Brille)
• Stil-Transfer: vec(Foto) + Richtung(Ölgemälde) ≈ vec(Foto im Ölgemälde-Stil)