正規化フロー

学習方法

最大尤度は、逆転とヤコビアンの行列式が計算可能になるようにするアーキテクチャ上の制約下で厳密に最適化されます。

推論の実行方法

密度評価ではデータは潜在空間へ向かい、生成時には基本分布をサンプリングし、すべての変換を逆方向に適用します。

強み

• •モデル下の厳密な尤度
• •可逆的な符号化と生成
• •密度推定自体が重要な場合に役立つ

トレードオフ

• •可逆性はネットワーク設計を制約する
• •高次元メディアには、深くメモリを消費するフローが必要になる場合がある
• •尤度は必ずしも認識されるサンプル品質を反映しない

適する場合

• 厳密な密度または可逆的な変換が必須の場合
• ドメインが利用可能な可逆アーキテクチャに適合する場合
• 尤度とタスクの有用性を評価する場合

避ける・再検討する場合

• 知覚上の生成品質のみが重要である場合
• アーキテクチャの柔軟性が厳密な尤度よりも重要な場合
• より単純な識別的で不確実性を示す手法で十分な場合