Latent Space（潛空間、潛在空間）是機器學習、特別是深度學習中的一個重要概念。簡單來說，它是一個低維度的數據空間，用來捕捉和表示高維度數據（如圖片、音頻、文本）中的隱藏特徵或模式。
具體來說：- 潛空間的含義：Latent意為「隱藏的」，Latent Space就是指一個「隱藏的空間」，裡面存放經過學習後抽象出來的數據特徵。這個空間中的向量能概括原始數據的主要信息，但維度比原始數據低很多，屬於一種數據壓縮或降維的形式。
- 潛空間的作用：透過將高維數據映射到潛空間，可以更好地理解、生成、分類和處理數據。例如生成模型（如變分自編碼器VAE、GAN等）會通過學習潛空間的結構，從中隨機抽樣來生成新的數據樣本。
- 特點：
- 潛空間內相似的數據點距離相對較近，能表達數據的某些共性或潛在屬性。
- 潛空間通常是非線性且高維的，且解釋潛空間的意義是當前研究的難點。
- 在一些應用案例中，例如CLIP模型，圖像與文字會被映射到同一個潛空間，從而實現「圖找文」與「文找圖」的功能。
- 應用場景：
- 資料壓縮與特徵提取
- 圖像生成與風格轉換
- 文本與圖像的跨模態檢索
- 增強現有模型的理解與控制能力
舉例來說，一個28x28像素的手寫數字圖片（原始維度是784維），經過編碼後會映射到20維的潛空間向量。這個低維表示能抓住數字的主要特徵，便於模型理解與生成新數字。
總結，潛空間是一個用來表徵數據內在本質特徵的抽象數據空間，是現代深度學習和生成模型的核心組成部分。
