apple-ml-research
使用迭代去噪的归一化流
Normalizing Flows with Iterative Denoising
摘要
该工作提出 iterative TARFlow（iTARFlow），用于推进 Normalizing Flows 生成模型。方法延续 TARFlow 思路，在训练阶段保持端到端、基于 likelihood 的目标；采样阶段执行 autoregressive generation，用于图像建模任务。
Normalizing Flows（NFs）是一类经典的基于 likelihood 的方法，近年来重新受到关注。TARFlow 等近期工作表明，NFs 能够在图像建模任务上取得有前景的性能，使其成为 diffusion models 等其他方法的可行替代方案。在这项工作中，我们提出 iterative TARFlow（iTARFlow），进一步推进 Normalizing Flow 生成模型的发展。与 diffusion models 不同，iTARFlow 在训练期间保持完全端到端、基于 likelihood 的目标。在采样期间，它执行 autoregressive generation…
译自 apple-ml-research · 录于 二〇二六年五月八日