Латентное пространство
Внутреннее представление, в котором модель работает с изображением вместо пикселей.
Модель оперирует не пикселями напрямую, а их сжатым представлением — набором чисел, где близкие точки соответствуют похожим изображениям.
Как влияет. Именно поэтому генерация возможна на потребительском железе: работать со сжатым представлением на порядки дешевле, чем с полным кадром.
Что из этого следует на практике. Плавные переходы между изображениями получаются не смешиванием картинок, а движением по этому пространству. Отсюда же берётся способность модели выдавать осмысленные промежуточные варианты, а не мешанину.