Normalizing Flow
简单介绍 #
首先，Normalizing Flow是一种生成模型（Generative Model），它的提出是为了解决现有的生成的模型的一些问题，如GAN训练不稳定，VAE边缘概率估计intractable的问题。
Normalizing Flow是一种特殊的inveritable网络，每个模块都是可逆的，并且有tractable determinant of the Jacobian，且求逆也是tractable的。
优点：
- 相比VAE，不必引入噪声， more powerful local variance models.
- 相比GAN，训练更稳定，更易收敛。
缺点
- 每个模块都必须可逆，限制了表达能力。
- 可逆要求latent space的维度很高。