拡張正規化フロー：生成フローと潜在変数モデルの間のギャップを埋める

本研究では、サンプリングおよび尤度の下界評価の計算コストを著しく増加させることなく、表現力の向上を目的として、拡張データ空間上の新しい生成フロー族を提案する。理論的には、提案するフローがハミルトン型常微分方程式（ODE）を普遍的な輸送写像として近似可能であることを証明する。実証的にも、生成モデルにおけるフローベースの標準ベンチマークにおいて、最先端の性能を示す。