#潜在空间

CV-VAE是一种视频变分自编码器，专为潜在生成视频模型设计。它与预训练图像和视频模型（如SD 2.1和SVD）兼容，用于视频重建和生成。项目提供代码实现和预训练模型权重，支持视频重建和文本到视频转换。CV-VAE为视频生成技术研究提供了新的工具和方向。

SD-Latent-Interposer是一个实现Stable Diffusion模型间潜空间互操作的神经网络。它支持SDXL、SDv1.5、SD3、Flux.1和Stable Cascade等版本之间的直接潜空间转换，无需通过VAE解码和重新编码。这种方法提高了不同SD模型版本间的兼容性，为潜空间操作提供了更高效、灵活的解决方案。

LLuL是Stable Diffusion WebUI的扩展插件，实现潜在空间中的图像局部放大。它提供简单的界面，让创作者能选择特定区域进行高质量放大，同时保持整体构图。插件支持权重调节和蒙版功能，增强了AI绘画的细节控制和画质表现。通过LLuL，AI生成图像的局部细节得到提升，整体画面质量显著改善。

TAESD是一款小巧的自动编码器，采用与Stable Diffusion VAE相同的潜在API。它能高效地将Stable Diffusion潜在空间解码为全尺寸图像。TAESD兼容SD1/2、SDXL、SD3和FLUX.1等多种模型，已整合到主流AI绘画工具中。该工具适用于实时预览图像生成过程和替代官方VAE的场景。尽管在细节还原方面稍有欠缺，TAESD通过轻微的质量损失换取了显著的速度和便利性提升。

Smooth Diffusion是一种创新的扩散模型技术，通过优化潜在空间的平滑性来提升模型性能。这种方法在图像插值、反演和编辑任务中展现出显著优势，实现了更连续的过渡效果、更低的反演误差，以及更好的未修改内容保留。通过在训练过程中引入变化约束，Smooth Diffusion为扩散模型研究开辟了新方向。

Stable Cascade是一种新型文本到图像生成模型，采用高度压缩的潜在空间技术。它由三个阶段组成，可将1024x1024图像压缩至24x24尺寸，同时保持清晰重建效果。与Stable Diffusion相比，该模型实现了更快的推理速度和更低的训练成本。Stable Cascade在提示对齐和图像质量方面表现优异，并支持微调、ControlNet和LoRA等多种扩展功能，适用于对效率要求较高的应用场景。

LFM项目创新性地将流匹配应用于预训练自编码器的潜空间，显著提升高分辨率图像生成的效率。这种方法不仅在计算资源有限的情况下保持了图像质量，还首次将条件生成任务融入流匹配框架。经过广泛测试，LFM在多个数据集上均取得了优异的定量和定性结果。

sd-x2-latent-upscaler是为Stable Diffusion设计的潜在空间图像放大模型，能在GPU上对生成的潜在图像进行2倍放大。它实现了快速的文本到高分辨率图像生成流程，与所有Stable Diffusion检查点兼容。该模型由Katherine Crowson和Stability AI合作开发，在LAION-2B数据集的高分辨率子集上训练，为图像生成研究和创作提供了有力工具。