本文主要针对流模型中的RealNVP模型论文进行记录。
论文地址:DENSITY ESTIMSTION USING REAL NVP
非常不错的博客:苏剑林. (2018, Aug 26). 《细水长flow之RealNVP与Glow:流模型的传承与升华 》[Blog post]. Retrieved from https://kexue.fm/archives/5807
一、论文概述
摘要部分:
1、给出RealNVP的全称:real-valued non-volume preserving ,可以翻译为真实值非体积保持。这是一种转换方式,而且是稳定可逆的、可学习的。通过这种转换方式,可以实现对似然函数的准确计算,准确的采样,对潜在变量精确的推断,可以利用的潜在空间。
引言部分:
2、生成模型不仅有创造新内容的能力,而且有广泛的与重建有关的应用,如图像插值、图像去噪、图像着色和超分辨率等。
这句话的英语原文感觉特别好,Not only do generative probabilistic models have the ability to create novel content, they also have a wide range of reconstruction related applications including inpainting, denoising, colorization, and super-resolution.
3、data of interest 感兴趣的数据。
因为感兴趣的数据通常是高维并且高度结构化的,所以在这个领域具有的挑战性的的问题就是如何构建一个可以捕捉其复杂性并且可以训练的模型。
4、hierarchical 分层。
相关工作部分:
5、大量的工作重点放在通过最大似然训练模型。其中一类是通过概率无向图(probabilities undirected graphs)来进行描述,如,受限玻尔兹曼机(Restricted Boltzmann Machines,RBM),深度玻尔兹曼机(Deep Boltzman