论文笔记（五）【DENSITY ESTIMATION USING REAL NVP】

最新推荐文章于 2025-04-24 19:20:35 发布

daydayjump

最新推荐文章于 2025-04-24 19:20:35 发布

阅读量5.6k

点赞数 5

CC 4.0 BY-SA版权

分类专栏：每周论文笔记文章标签： Real NVP

本文链接：https://blog.youkuaiyun.com/daydayjump/article/details/85041564

本文深入探讨Real NVP模型，一种稳定可逆的转换方式，用于准确的密度估计和采样。论文指出，Real NVP在生成模型中展现出创造新内容和重建应用的能力，如图像处理。模型通过仿射耦合层和卷积结构，实现了对高维、高度结构化数据的建模。在实验部分，Real NVP在CIFAR-10、CelebA和LUSN数据集上展示出优秀性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文主要针对流模型中的RealNVP模型论文进行记录。

论文地址：DENSITY ESTIMSTION USING REAL NVP

非常不错的博客：苏剑林. (2018, Aug 26). 《细水长flow之RealNVP与Glow：流模型的传承与升华》[Blog post]. Retrieved from https://kexue.fm/archives/5807

一、论文概述

摘要部分：

1、给出RealNVP的全称：real-valued non-volume preserving ，可以翻译为真实值非体积保持。这是一种转换方式，而且是稳定可逆的、可学习的。通过这种转换方式，可以实现对似然函数的准确计算，准确的采样，对潜在变量精确的推断，可以利用的潜在空间。

引言部分：

2、生成模型不仅有创造新内容的能力，而且有广泛的与重建有关的应用，如图像插值、图像去噪、图像着色和超分辨率等。

这句话的英语原文感觉特别好，Not only do generative probabilistic models have the ability to create novel content, they also have a wide range of reconstruction related applications including inpainting, denoising, colorization, and super-resolution.

3、data of interest 感兴趣的数据。

因为感兴趣的数据通常是高维并且高度结构化的，所以在这个领域具有的挑战性的的问题就是如何构建一个可以捕捉其复杂性并且可以训练的模型。