확률 모형의 계산 가능성
비지도 확률 모형에서는 학습뿐 아니라 표본 생성과 추론 및 평가도 계산 가능해야 한다. Real NVP는 학습 가능한 가역 변환을 사용해 이 계산들을 함께 다루도록 설계됐다.
부피를 바꾸는 변환
실수값을 사용하는 비부피보존 변환으로 분포를 표현한다. 이를 통해 정확한 로그 우도와 표본 생성 및 잠재 변수 추론이 가능한 알고리즘을 구성한다.
잠재 공간의 활용
원 연구는 네 자연 이미지 자료에서 표본과 로그 우도를 평가했다. 잠재 변수를 조작하는 실험도 수행해 학습된 잠재 공간의 해석 가능성을 조사했다.
관련 문서
NICE 밀도 추정 / MAF 마스크 자기회귀 흐름 / IAF 역자기회귀 흐름 / 정규화 흐름 변분 추론 / 확률 분포 / 생성 모델