연속 흐름과 압축
흐름 모형의 정확한 우도 최적화는 메시지당 기대 비트 수를 줄이는 목적과 연결된다. 그러나 연속 자료를 가정한 변환을 압축용으로 양자화하면 복원 오류가 생길 수 있다.
정수 공간의 가역 변환
IDF는 순서형 이산 자료를 직접 다루는 정수 전단사 변환이다. 정수 이산 결합이라는 변환 층을 구성 요소로 사용해 고차원 자료의 복잡한 관계를 학습한다.
무손실 압축의 평가
원 연구는 기존 흐름 기반 생성 모형과 비교하고 CIFAR10과 ImageNet32 및 ImageNet64에서 무손실 압축률을 평가했다. 생성 모형의 확률 표현과 실제 정보 보존을 함께 다룬다.
관련 문서
Real NVP / NICE 밀도 추정 / SurVAE Flows / 무손실 압축 / 엔트로피 부호화 / 확률 분포