Vous ne pouvez pas générer une nouvelle image en créant des valeurs de pixels au hasard : l’espace de toutes les combinaisons de pixels possibles est astronomiquement grand et presque aucune d’entre elles ne ressemble à quelque chose de significatif. Les modèles génératifs fonctionnent en apprenant un espace latent structuré beaucoup plus petit et où chaque point correspond à une image plausible. Le VAE est la première architecture qui a rendu cette idée pratique, et son espace latent est le fondement de la diffusion stable.