초록
비지도 학습에서 확률 모델의 학습은 기계 학습 분야에서 중추적이면서도 도전적인 문제입니다. 특히, 이 작업을 해결하기 위해서는 학습, 샘플링, 추론 및 평가가 용이한 모델 설계가 필수적입니다. 우리는 실수 값 부피 보존 변환(real-valued non-volume preserving, real NVP)을 사용하여 이러한 모델의 공간을 확장하였습니다. real NVP 변환은 강력하고 역행 가능하며 학습 가능한 변환 집합으로, 이를 통해 정확한 로그-우도 계산, 정확한 샘플링, 잠재 변수의 정확한 추론 및 해석 가능한 잠재 공간을 갖춘 비지도 학습 알고리즘을 개발할 수 있었습니다. 우리는 이 알고리즘이 네 가지 데이터셋에서 샘플링, 로그-우도 평가 및 잠재 변수 조작을 통해 자연 이미지를 모델링하는 능력을 시연하였습니다.