论文阅读：Pixel Recurrent Neural Networks

Introduction

　　PixelRNN和PixelCNN都没有做独立性假设。
　　通过一层256维的softmax层来将像素值当做离散分布来建模。

Math Model

generating an image pixel by pixel

　　输入图像是ｎ×ｎ个pixels的x，x可以视为一个长为$n^2$的序列，序列是由x按行读取形成的。为了评估该序列的联合概率分布$p(x)$，文章将该联合概率表现为$n^2$个条件概率的乘积：
　　而每一个$x_i$的值又是由RGB三个通道的值联合决定的。所以将$p(x_i|x_{<i})$改写成以下形式：

这样每一个通道的值既取决于之前的像素值又取决于其他通道的值。
　　值得注意的是，在训练和评估模型时，像素值分布的计算可以是parallel的，而在实际生成图像时则是sequential的。

搞不懂了！告辞！