변환 함수의 표현력
정규화 흐름은 단순한 기본 밀도를 가역적으로 바꾸어 복잡한 밀도를 만든다. 결합 변환이나 자기회귀 변환에서도 원소별 함수를 어떻게 정하는지가 전체 모형의 유연성에 영향을 준다.
스플라인 모듈
단조 유리 이차 스플라인에 바탕을 둔 완전히 미분 가능한 모듈을 제안한다. 해석적인 역변환을 유지하면서 결합 변환과 자기회귀 변환 모두의 표현력을 높이도록 구성한다.
여러 확률 학습 과제
원 연구는 밀도 추정과 변분 추론 및 이미지 생성 모델링에서 효과를 평가했다. 가역성을 유지하는 조건 안에서 변환 함수의 모양을 더 풍부하게 학습하는 접근이다.
관련 문서
MAF 마스크 자기회귀 흐름 / IAF 역자기회귀 흐름 / Real NVP / Glow 생성 흐름 / 정규화 흐름 변분 추론 / 스플라인