모델링하기 쉬운 표현
복잡한 고차원 자료를 잠재 공간으로 변환해 분포를 쉽게 모델링하려는 접근이다. 학습한 결정적 비선형 변환으로 자료가 독립 잠재 변수의 분포를 따르도록 한다.
계산 가능한 변환
심층 신경망을 바탕으로 한 단순 구성 요소를 합성해 복잡한 변환을 만든다. 역변환과 야코비 행렬식 계산을 쉽게 유지하도록 파라미터화하는 것이 핵심이다.
우도와 생성의 평가
정확한 로그 우도를 계산해 학습하며 선조 표본 추출로 자료를 생성한다. 원 연구는 네 이미지 자료에서 생성 모형을 평가하고 영상의 빈 부분을 채우는 인페인팅에도 적용했다.
관련 문서
Real NVP / MAF 마스크 자기회귀 흐름 / IAF 역자기회귀 흐름 / 정규화 흐름 변분 추론 / 확률 밀도 함수 / 독립 성분 분석