前段时间在尝试vae这一块的一些探索，尝试整理了一下，以一个相对统一的视角来看待，Pixel Space，VAE和RAE这些latent空间的特征以及为什么要采用他们。

在现在世界模型的叙事中，视觉生成模型变成一种自我演化的过程，以往一系列针对文生图/视频概念的latent tricks是否有效也值得再次考量。而Pixel Space作为更端到端的方式，目前看来可能是更符合diffusion和vlm未来发展的趋势的。

原文见 https://hzeroyuke.github.io/latent-space.html

#生成模型 #大模型 #AI #latent #世界模型 #多模态 #AIGC