Sander Dielman 自 2015 年加入 DeepMind 以来，参与了包括 WaveNet、AlphaGo、Imagen 3 和 Veo 在内的多个项目，涵盖深度学习、生成模型及表征学习 （Representation Learning）。 在这篇文章中，他将潜在变量比喻为「数据的精髓」—— 通过压缩复杂信息实现图像、语音等生成。他还深入对比变分自编码器（VAEs）、生成对抗网络 （GANs）和扩散模型，展示了潜在变量如何支持这些模型生成逼真内容。 选自 Sander Dieleman博客 机器之心编译 编辑：刘欣 上个月， GPT-4o 的图像生成功能爆火，掀起了以吉卜力风为代表的广泛讨论，生成式 AI 的热潮再次席卷网络。 而在这股浪潮背后，潜在空间（Latent Space）作为生成模型的核心驱动力，点燃了图像与视频创作的无限想象。 知名研究者 Andrej Karpathy 最近转发了一篇来自 Google DeepMind 研究科学家 Sander Dielman 的博客文章，探讨了生成模型（如图像、音频和视频生成模型）如 何通过利用潜在空间来提高生成效率和质量。 博客链接：https: ...