L'espace latent est la représentation compressée et abstraite des données apprise par un réseau de neurones — un espace de dimensionnalité inférieure où les caractéristiques significatives sont encodées. Dans un espace latent bien entraîné, les entrées similaires sont proches et l'interpolation produit des transitions sémantiquement significatives. Les auto-encodeurs et VAE en apprennent explicitement ; les GAN et modèles de diffusion en échantillonnent pour générer de nouvelles données.