ノーマライズドフローは、入力と潜在表現の間で全因子化された分布を持つ双射変換であり、正確な尤度評価と効率的なサンプリングが可能であるため、非常に魅力的である。しかし、双射性の制約によりモデルの表現力が制限されるため、実際の有効容量はしばしば不十分となる。本研究では、中間表現に逐次的にノイズを追加することでこの問題に対処する。このノイズは、前の可逆ユニットに応じて事前調整（プリコンディショニング）される。これを「ユニット間結合（cross-unit coupling）」と呼ぶ。我々が提案する可逆なグロー型モジュールは、密結合ブロックとニストロム自己注意（Nystrom self-attention）を統合することで、モデルの表現力を向上させる。このアーキテクチャは、ユニット間およびモジュール内における結合がいずれも密結合に基づくため、DenseFlowと呼ぶ。実験の結果、提案手法により顕著な性能向上が確認され、比較的制限された計算リソース下でも最先端の密度推定性能を達成することが示された。