前置知识点（建议先学）
学习状态：
一句话定义
潜空间（latent space）是模型学到的低维连续表示空间：图像先被编码器压缩成潜码，生成与编辑在潜空间进行，最后由解码器还原成像素。
为什么重要
它是现代文生图「又快又好」的第一功臣，也是 ComfyUI 工作流里 VAE Encode/Decode 两个节点存在的原因。理解潜空间，才能解释三件日常现象：为什么 512×512 出图只需几秒；为什么换 VAE 会整体偏色；为什么 img2img 的「重绘幅度」作用在噪声水平上而非像素上（kp-012）。没有压缩，扩散模型在像素上迭代去噪的算力成本将高到不可用。
前置知识
kp-001（生成式建模框架）；知道「图像 = 像素张量」即可。
核心概念
- 像素空间（pixel space）：原始 RGB 张量，512×512×3 ≈ 78.6 万个数值。
- 潜码（latent code）：编码器输出的低维张量，SD 系典型为 64×64×4 ≈ 1.6 万个数值。
- 感知压缩（perceptual compression）：丢弃人眼不敏感的高频细节，保留语义结构——不同于无损压缩。
- 编码器 / 解码器（encoder / decoder）：E(x) 压缩、D(z) 还原，通常由 VAE 训练得到。
- 潜空间插值：两个潜码线性组合后解码，得到语义平滑过渡的中间图像。
原理与机制
压缩比：以 SD 系 8 倍下采样为例，边长 512→64（缩小 8 倍），通道 3→4：
像素：512 × 512 × 3 ≈ 786,432 个数值；潜码：64 × 64 × 4 = 16,384 个数值；压缩比 ≈ 48×
同尺寸下扩散每步在潜空间计算的开销约为像素空间的 1/48（忽略通道差异的近似，量级一致）
为什么敢丢信息：VAE 训练目标里除了重建误差，还有把潜码分布拉向标准高斯的 KL 项，使潜空间连续、邻近点语义相近；同时人眼对高频细节敏感度低，「丢掉高频、保住结构」的感知压缩在感知上几乎无损。生成的分工由此确立：扩散模型在潜空间负责语义布局（构图、物体、光照），VAE 解码器负责补回纹理细节。这也是为什么部分像素级瑕疵（手指、文字）出在解码一端（kp-025）。
实践含义：潜空间分辨率直接决定输出分辨率上限——SD1.5 以 64×64 潜码为基准（输出 512²），SDXL 以 128×128 为基准（输出 1024²）；比例改变潜码宽高比即可改变画面比例。
公式与推导
编码-解码关系：z = E(x)，x̂ = D(z)，训练最小化 ‖x − D(E(x))‖ 加 KL 正则。计算量对比推导：U-Net 主要开销随空间尺寸平方增长，边长缩 8 倍使每步注意力/卷积计算约降 (512/64)² = 64 倍，通道数变化带来次要修正——潜空间扩散因此把「多步迭代」的成本压到可交互的水平（kp-024 展开算力账）。
图示
图像 x（512×512×3）→编码器 E→潜码 z（64×64×4）生成在此进行→解码器 D→图像 x̂（512×512×3）
直观类比
潜空间像「小样草稿」：画家先在巴掌大的草图上确定构图与色调（便宜、可反复改），定稿后再由助手细化成大尺寸成品（贵、只做一次）。改草稿永远比改成品划算——这就是为什么扩散迭代放在潜空间。
实例或案例
- ComfyUI 标准文生图链：CheckpointLoader → CLIPTextEncode → Empty Latent Image（64×64×4）→ KSampler → VAE Decode → SaveImage，「Empty Latent」与「VAE Decode」两个节点正是潜空间边界的显式标记（kp-021、kp-022）。
- 换用不同 VAE 权重解码同一潜码，出现整体偏色/发灰——不同 VAE 的潜空间坐标系不通用，是社区常见的「色彩漂移」问题根源。
- 在两个同结构潜码间做线性插值并解码，得到主体渐变过渡的中间帧，常用于动态壁纸与转场。
常见误区
- 误区一：潜码是「缩小版图片」。它是抽象统计特征，不能当图像看；「看潜码」需要解码或专门的可视化方法。
- 误区二：潜空间无损。感知压缩丢掉了部分高频信息，极端细节（清晰文字、复杂手部）在解码端天然受限。
- 误区三：不同模型的潜空间可混用。SD1.5 与 SDXL 的 VAE 维度与坐标系不同，交叉解码会产生噪声图或色块。
自测题
- 估算 1024×1024 输出在 8 倍压缩下的潜码尺寸。
答案要点：128×128×4，约 6.5 万数值，相对像素约 48 倍压缩。
- 为什么扩散迭代放在潜空间而非像素空间？
答案要点：多步迭代的算力成本被压缩 1~2 个数量级，而感知质量几乎不损失。
- 换 VAE 后图片整体偏色，原因是什么？
答案要点：潜码是相对特定编码器的坐标系，解码器换用后同一潜码被映射到不同色彩区域。
与其他知识点的关系
kp-008 是本节的直接续篇（LDM 三件套）；kp-012 的重绘幅度作用在「向潜码加噪」这一层；kp-024 给出潜空间分辨率与算力的定量权衡。
延伸阅读
Latent Diffusion 论文（CVPR 2022）第 3 节对感知压缩与语义压缩分工的论述；VQ-VAE 论文（NeurIPS 2017）展示了另一种离散化潜空间思路。