초록
정규화 흐름은 입력과 잠재 표현 사이의 역함수를 갖는 사상이며, 완전히 인수분해된 분포를 가진다. 정확한 가능도 평가와 효율적인 샘플링이 가능하다는 점에서 매우 매력적인 모델이다. 그러나 이들의 효과적 표현 능력은 보통 부족한 편인데, 이는 역함수성 제약으로 인해 모델의 너비가 제한되기 때문이다. 본 연구에서는 중간 표현에 점진적으로 노이즈를 추가함으로써 이 문제를 해결한다. 이때 이전 역함수 단위의 특성에 따라 노이즈를 사전 조정하며, 이를 크로스 유닛 결합(cross-unit coupling)이라 설명한다. 제안한 역함수적 글로우 유사 모듈은 밀집 연결 블록(densely connected block)과 Nystrom 자기주의(self-attention)를 융합함으로써 모델의 표현력을 향상시킨다. 크로스 유닛 결합과 모듈 내 결합 모두 밀집 연결 구조에 기반하므로, 본 아키텍처를 DenseFlow이라 명명한다. 실험 결과, 제안된 기법들이 의미 있는 성능 향상을 가져오며, 중간 수준의 계산 자원에서도 최신 기술 수준의 밀도 추정 성능을 달성함을 보여준다.