Latentes Diffusionsmodell

Sep. 27, 2025

—

von

Philipp: Schweizer KI Akademie

Einfach erklärt

Latentes Diffusionsmodell (LDM)

Ein latentes Diffusionsmodell (LDM) ist eine Bild‑KI, die Schritt für Schritt Rauschen entfernt, bis ein Bild entsteht. Der Trick: Das passiert nicht direkt im Pixelbild, sondern in einer kompakten „latenten“ Darstellung (eine Art komprimierter Bild‑Zwischenraum). Dadurch ist das Modell schneller und braucht weniger Speicher.

Was kann man damit machen?

Text → Bild: Du gibst einen Prompt (z. B. „Sonnenuntergang über Bergen im Nebel“); das LDM rekonstruiert daraus ein passendes Bild.
Inpainting/Outpainting: Bereiche ersetzen oder erweitern – das Modell füllt logisch passende Inhalte ein. Umsetzung in Projekten & Integrationen: KI‑Workflows & Automatisierung.
Super‑Resolution/Up‑Scaling: Ein kleines Bild wird größer und detailreicher. Ideen & Praxisfelder: KI‑Use‑Cases.

Warum „latent“? In diesem latenten Raum sind die wichtigen Bildinformationen kompakt gespeichert. Rauschentfernung dort ist effizienter als im vollen Pixelraster. Am Ende wird das Ergebnis zurück in ein Bild decodiert.

Professionelle Definition

Ein Latent Diffusion Model (LDM) (Rombach et al., CVPR 2022) führt die Denoising‑Diffusion in einem vom VAE‑Encoder erzeugten niedrigdimensionalen latenten Raum (z) durch. Ein U‑Net approximiert die Rauschkomponente (\varepsilon_\theta) je Zeitschritt (t); für konditionierte Generierung koppeln Cross‑Attention‑Layer Konditionen (z. B. Text‑Embeddings via CLIP) an die Feature‑Maps. Die Synthese nutzt u. a. Classifier‑Free Guidance zur Konditions‑Stärkung. LDMs erzielen SOTA‑Qualität bei Text‑zu‑Bild, Inpainting und Super‑Resolution bei reduziertem Rechen‑/Speicherbedarf gegenüber Pixel‑Diffusion.

Formel (skaliertes Punktprodukt der Attention, exemplarisch):
[\operatorname{Attention}(Q,K,V)=\operatorname{softmax}!\left(\tfrac{QK^\top}{\sqrt{d_k}}\right)V]