要約
自己回帰モデルは、最高の性能を発揮するニューラル密度推定器の一つです。本稿では、データ生成時にモデルが内部で使用する乱数をモデリングすることで、自己回帰モデルの柔軟性を向上させる手法について説明します。自己回帰モデルのスタックを構築し、各モデルがスタック内の次のモデルが使用する乱数をモデリングすることにより、密度推定に適した正規化フローの一形態を得ることができます。これをマスク付き自己回帰フロー（Masked Autoregressive Flow）と呼びます。この種のフローは逆自己回帰フロー（Inverse Autoregressive Flow）と密接に関連しており、Real NVPの一般化形態でもあります。マスク付き自己回帰フローは、一般的な密度推定タスクにおいて最先端の性能を達成しています。