“在潜空间里漫游”这话我真听腻了，传到后来好多人以为模型心里藏着个梦境。
潜空间说白了，是模型把图像压到低维以后的连续表示。猫和狗挨得近，狗和狼挨得近，两点之间插值，中间帧看着也还连贯，就这么多。它不是物理空间，也不是梦，是一堆相关性摊平后的坐标系。
容易被忽略的是，这张地图的结构是训练数据给的，不是天生的，换一批数据，猫和狗的距离就变了。「猫+梵高=梵高风格的猫」这种向量加法能成立，也不是模型懂梵高，而是数据里这两团东西刚好能线性拼一下；拼不动的时候，出来的就是鬼图。
所以你不是在漫游，是在发坐标，模型收到坐标吐预测。这么想不会让图变丑，反倒能看清为啥有些概念死活凑不到一块。想验证的话：固定种子，prompt 里只改一个词，看图往哪边挪。