التعلم غير المشرف للنماذج الاحتمالية هو مشكلة مركزية ومعقدة في مجال التعلم الآلي. وبشكل خاص، فإن تصميم نماذج يمكن التعامل معها بسهولة من حيث التعلم والعينات والاستدلال والتقييم أمر حاسم لحل هذه المشكلة. نوسع نطاق مثل هذه النماذج باستخدام تحويلات الحفاظ على القيمة الحقيقية غير المحافظة على الحجم (real NVP)، وهي مجموعة من التحويلات القوية والقابلة للعكس والتعلم، مما يؤدي إلى خوارزمية تعلم غير مشرف تتيح حساب الاحتمال اللوغاريتمي الدقيق وإنتاج عينات دقيقة واستدلال دقيق بالمتغيرات الكامنة وفضاء كامن قابل للتفسير. نوضح قدرتها على نمذجة الصور الطبيعية في أربعة مجموعات بيانات من خلال إنتاج العينات وتقييم الاحتمال اللوغاريتمي وتعديل المتغيرات الكامنة.