Stability AI技术浅析（二）：LDM

Stability AI 的 Latent Diffusion Model (LDM) 是其核心创新之一，通过将扩散过程迁移到低维潜在空间（Latent Space），显著提升了生成效率和质量。

1. LDM 的基本原理

传统扩散模型直接在像素空间操作，计算成本极高（如 512×512 图像需处理 262K 维数据）。LDM 的核心思想是：

1. 压缩到潜在空间：使用 VAE 或 GAN 将图像压缩到低维空间（如 64×64×4，维度降低 64 倍）。

2. 在潜在空间中扩散：对潜在表示 zz 执行扩散和去噪。

3. 解码到像素空间：最终通过解码器生成高清图像。

优势：

• 计算量减少，适合高分辨率生成。

• 潜在空间能捕捉语义特征，提升生成质量。

2. 数学建模与关键公式

2.1 潜在空间编码

使用 VAE 的编码器  和解码器