النماذج المولدة القائمة على التدفق هي نماذج احتمالية دقيقة تتميز بكفاءة عينية واستدلال عالية. على الرغم من كفاءتها الحاسوبية، فإن النماذج القائمة على التدفق لديها عموماً أداءً ضعيفًا في نمذجة الكثافة مقارنة بالنماذج الذاتية المتتابعة الرائدة. في هذا البحث، نقوم بفحص وتحسين ثلاثة اختيارات تصميمية محدودة تم استخدامها في النماذج القائمة على التدفق في الأبحاث السابقة: استخدام الضوضاء المنتظمة للتقسيط (dequantization)، استخدام التدفقات الخطية غير المعبّرة (affine flows)، واستخدام شبكات الشرط المحضة القائمة على الإ convoالوشن (convolutional conditioning networks) في طبقات الربط (coupling layers). بناءً على نتائجنا، نقترح Flow++، وهو نموذج جديد قائمقبلًا على التدفق أصبح الآن النموذج غير الذاتي المتتابع الرائد لتقدير الكثافة بدون شروط على مقاييس الصور القياسية. لقد بدأ عملنا في تقليص الفجوة الأداء الكبيرة التي كانت موجودة حتى الآن بين النماذج الذاتية المتتابعة والنماذج القائمة على التدفق. يمكن الوصول إلى تنفيذنا عبر الرابط https://github.com/aravindsrinivas/flowpp