Flow-based Deep Generative Models

요약

이 글은 기존의 GAN(Generative Adversarial Networks)이나 VAE(Variational Autoencoders)와 같은 생성 모델들이 실제 데이터의 확률 밀도 함수 $p(oldsymbol{\mathbf{x}})$를 명시적으로 학습하기 어렵다는 문제점을 지적합니다. 특히, 잠재 변수 $oldsymbol{\mathbf{z}}$에 대한 적분 계산이 현실적으로 불가능하여 확률 밀도를 직접 추정하는 데 어려움이 있음을 설명하고 있습니다.

핵심 포인트

• GAN과 VAE는 데이터의 확률 밀도 함수 $p(\boldsymbol{\mathbf{x}})$를 명시적으로 학습하지 못한다.
• 생성 모델에서 확률 밀도 계산은 잠재 변수 $\boldsymbol{\mathbf{z}}$에 대한 적분 형태로 나타나기 때문에 매우 복잡하다.
• 이러한 근본적인 어려움 때문에 새로운 접근 방식(Flow-based Models)의 필요성이 제기된다.