Latent Space is een verborgen, gecomprimeerde representatie van gegevens in veel machine learning-modellen, vooral in autoencoders en diffusion models. Het is als een ‘concept-space’ waarin informatie compacter wordt opgeslagen.

In latent space kunnen concepten zoals ‘gezicht’, ‘glimlach’ en ‘jonge persoon’ worden gecombineerd als vectoren. Dit maakt het mogelijk om fijne aanpassingen te maken aan gegenereerde afbeeldingen.