Latente Diffusion
Definition
Latente Diffusion führt den Diffusionsprozess in einem komprimierten latenten Repräsentationsraum statt direkt auf Pixeln aus.
Ein Autoencoder komprimiert Bilder; das Diffusionsmodell arbeitet auf diesen latenten Repräsentationen und dekodiert sie anschließend zurück. Dadurch kann Rechenaufwand sinken.
Einfach erklärt
Wie ein Bild erst kompakt zu codieren, dort zu generieren und anschließend wieder auszupacken.
Warum das im Alltag wichtig ist
Relevant für moderne Bildgenerierung und das Verständnis vieler Diffusionsmodelle.
Beispiel aus dem Mittelstand
Ein Bildmodell erzeugt Varianten in einem latenten Raum und dekodiert das Ergebnis anschließend.
Grenzen und Fallstricke
- Latent Space als direkt verständliche Bildmerkmale interpretieren; Modellfamilien pauschal gleichsetzen.
Entstehung & Geschichte
Rombach et al. veröffentlichten 2021/2022 Latent Diffusion Models als Ansatz für hochauflösende Bildsynthese mit reduziertem Rechenaufwand.
Anwendung im Mittelstand
- Mögliche Anwendung im Mittelstand: Generative Bildsysteme technisch bewerten und Ressourcenanforderungen einordnen.
Häufige Fragen
Ist Latent Diffusion dasselbe wie jeder Diffusionsansatz?
Nein. Warum latent? Um Repräsentation und Rechenaufwand zu komprimieren.
Quellen
- High-Resolution Image Synthesis with Latent Diffusion Models · Rombach et al. (2022), High-Resolution Image Synthesis with Latent Diffusion Models
Quellen geprüft am 10.10.2026.
Redaktionell geprüft am: