행렬식에서 대각합으로
가역 생성 모형의 우도 학습에서는 야코비 행렬식 계산이 구조를 제한할 수 있다. 변환을 상미분방정식으로 정의하면 대각합을 이용해 밀도 변화를 다룰 수 있다.
확률적 대각합 추정
Hutchinson 추정기로 로그 밀도의 확장 가능한 불편 추정치를 얻는다. 이를 통해 연속 시간 가역 생성 모형을 구성하고 신경망 구조 선택의 제약을 줄인다.
생성과 밀도 추정
원 연구는 한 번의 표본 생성 경로를 사용하는 모형으로 고차원 밀도 추정과 이미지 생성 및 변분 추론을 평가했다. 밀도 추정 계산과 가역적 생성 경로를 함께 다룬다.
관련 문서
신경 상미분방정식 / Residual Flows / 정규화 흐름 변분 추론 / Glow 생성 흐름 / Real NVP / 변분 추론