詳細解釋
平滑過渡的形狀或圖像變換技術，在 AI 中特指生成模型（如擴散模型）的潛在空間插值，讓一個圖像漸變為另一個。
傳統方法：
- 網格變形：定義對應點，計算插值
- 特徵匹配：識別眼睛、鼻子等特徵，對齊後過渡
- 淡入淡出：簡單混合，無結構變化
AI 驅動的形變：
- 潛在空間插值：在擴散模型的隱藏空間線性插值
- 語義保持：過程中保持物體類別、身份
- 控制點：指定哪些特徵過渡（如僅改變表情，不改變身份）
應用場景：
- 動畫：角色表情、姿勢平滑過渡
- 電影特效：變形金剛式變換
- 藝術創作：超現實主義圖像過渡
- 數據增強：生成中間狀態擴充訓練數據
- 風格遷移：照片 → 畫作的漸變過程
技術細節：
- 球面線性插值（SLERP）：在單位超球面上插值，避免模長變化
- 多步插值：多個中間點，更平滑過渡
- 條件控制：文本引導插值方向
與 GAN 的關係：
- GAN 潛在空間天然適合插值
- 擴散模型通過 DDIM inversion 實現類似效果
局限：
- 潛在空間非線性：線性插值可能經過「非語義」區域
- 身份保持：人臉過渡中身份可能漂移
- 物理合理性：過渡中的中間幀可能違反物理（如漂浮物體）
這是「生成式 AI 的視覺魔法」—— 展示潛在空間的結構化程度。