초록
반복적인 가우시안 사후 추론에서 새로운 생성 모델을 도출한다. 생성된 샘플을 미지 변수로 간주함으로써, 샘플링 과정을 베이지안 확률의 언어로 재구성할 수 있다. 본 모델은 초기에 넓은 사전 믿음에서 출발하여 예측 및 사후 업데이트 단계의 반복을 통해 미지 샘플을 점차 좁혀가는 방식으로 작동한다. 엄밀한 이론적 분석 외에도, 본 모델이 확산 모델( diffusion models)과의 관계를 규명하고, 베이지안 플로우 네트워크(Bayesian Flow Networks, BFNs)가 이 모델의 특수한 경우임을 보여준다. 실험을 통해 본 모델이 ImageNet32에서 BFNs 및 유사한 변분 확산 모델(Variational Diffusion Models)에 비해 샘플 품질을 향상시키면서도, ImageNet32 및 CIFAR10에서 동일한 로그 가능도(log-likelihood)를 달성함을 입증한다. 코드는 https://github.com/martenlienen/bsi 에서 확인할 수 있다.