모두가 확산에 대해 이야기하고 있지만, 실제로 Sora와 현대 생성 비디오를 만든 계통을 이해하려면, 정규화 흐름으로 시간을 보내야 합니다 — 깊은 학습에서 다루기 쉬운 정확한 우도 밀도 추정을 가능하게 한 생성 모델의 클래스입니다. 이 리뷰는 두 가지 기본 논문을 쌍으로 합니다: Rezende와 Mohamed의 원래 'Variational Inference with Normalizing Flows' 및 Kobyzev, Prince, Brubaker의 나중의 필드의 구성 기술 및 현재 방법에 대한 포괄적인 조사.

이 과정은 정규화 흐름이 일련의 역변환 매핑을 통해 간단한 기본 분포를 임의로 복잡한 분포로 변환하는 방법, 그 구성이 효율적인 샘플링과 정확한 밀도 평가를 한 번에 제공하는 이유, 그리고 유한 대 무한소 흐름이 근사 사후 패밀리의 분류법에 어떻게 맞는지를 다룹니다. 또한 현재 생성 AI로의 일관성을 추적합니다: 확산이 헤드라인을 지배하더라도 흐름 기반 아이디어가 음성 합성, 이미지 생성, 비디오 모델에서 계속 재표면화되는 이유, 그리고 열린 연구 질문이 여전히 어디에 있는지. 현대 생성 시스템 아래의 이론에 진지하다면, 이것은 건너뛰고 싶지 않은 기초의 일부입니다.