초록
자기회귀 모델은 가장 성능이 우수한 신경망 밀도 추정기 중 하나입니다. 우리는 데이터를 생성할 때 모델이 내부적으로 사용하는 난수를 모델링하는 방법을 통해 자기회귀 모델의 유연성을 증가시키는 접근 방식을 설명합니다. 자기회귀 모델들의 스택을 구성하여, 각각의 모델이 스택에서 다음 모델의 난수를 모델링하도록 하면, 밀도 추정에 적합한 정규화 흐름(normalizing flow)의 한 유형인 마스킹된 자기회귀 흐름(Masked Autoregressive Flow)을 얻을 수 있습니다. 이 유형의 흐름은 역자기회귀 흐름(Inverse Autoregressive Flow)과 밀접한 관련이 있으며, Real NVP의 일반화된 형태입니다. 마스킹된 자기회귀 흐름은 다양한 일반적인 목적의 밀도 추정 작업에서 최고 수준의 성능을 달성합니다.