Co to jest
Przestrzeń latentna to wewnętrzna reprezentacja obrazu, jaką przechowuje model sztucznej inteligencji. Zamiast zapisywać obraz jako miliony pikseli, sieć neuronowa koduje go w zestaw liczb o znacznie mniejszym wymiarze — najczęściej kilkaset lub kilka tysięcy wartości. Każda z tych liczb odpowiada jednej, ukrytej cesze obrazu: kątowi obrotu głowy, natężeniu oświetlenia, wyrażeniu twarzy, stylu rysunku.
Wyobraź sobie, że zamiast opisywać twarz słowem „kobieta o brązowych oczach, uśmiechająca się lekko", model zapisuje to jako wektor 512 liczb, gdzie każda liczba reprezentuje jeden wymiar cechy. Pierwszy wymiar może kodować „męskość vs. kobiecość", drugi „wiek", trzeci „intensywność uśmiechu". Gdy zmieniasz te liczby, obraz zmienia się w kontrolowany sposób.
Do czego służy przy modelkach AI
Podczas tworzenia wirtualnej postaci, pracujesz nie bezpośrednio z obrazami, ale z tymi wektorami. Gdy generujesz nową fotografię swojej modelki, model najpierw tworzy wektor w przestrzeni latentnej, a potem konwertuje go do pikseli. To jest klucz do spójności postaci.
Jeśli chcesz, aby twoja modelka zawsze wyglądała rozpoznawalnie — niezależnie od stroju, pozycji czy oświetlenia — musisz utrzymać jej „jądro" w przestrzeni latentnej niezmienione. Dzięki temu różne zdjęcia będą reprezentować tę samą postać, a nie losową kobietę. Wiele narzędzi do personalizacji modelek AI (jak LoRA czy fine-tuning) pracuje poprzez modyfikację tego, jak model interpretuje przestrzeń latentną.
Jak się tego używa
W praktyce nie manipulujesz wektorami ręcznie — tego robi za ciebie narzędzie. Jednak zrozumienie mechanizmu pomaga przy debugowaniu problemów. Gdy generujesz obrazy, możesz „kierować" generowaniem przez interpolację w przestrzeni latentnej: zamiast losowania zupełnie nowego wektora, bierzesz dwa znane wektory (przedstawiające dwie fotografie) i przesuwasz się między nimi. Wynik to płynna przemiany między dwiema postaciami lub stanami tej samej postaci.
Wymiar przestrzeni latentnej zależy od architektury modelu. Większa przestrzeń pozwala na więcej szczegółów, ale wymaga więcej danych treningowych. Przy personalizacji modelki wyznaczasz zazwyczaj mały zbiór „wskaźnikowych" zdjęć, które definiują, gdzie w tej przestrzeni powinna żyć Twoja postać.
Najczęstszy błąd
Ludzie traktują przestrzeń latentną jak magiczny suwak do edycji cech — myślą, że wystarczy „zwiększyć kobiecość o 30%", a wszystko będzie idealnie. W rzeczywistości zmiana jednego wymiaru wpływa na całą postać w czasem nieprzewidywalny sposób, bo wymiary są ze sobą powiązane. Ponadto założenie, że przestrzeń latentna jest „intuicyjna" dla człowieka, najczęściej się nie sprawdza — zmiana wartości może przesunąć postać w kierunku, który trudno jest interpretować bez doświadczenia.