AI 造圖新境界！OpenAI 提出的可逆生成模型，比GAN 更具潛力

Glow對兩名研究人員臉部圖像的屬性操作。訓練過程中，模型沒有提供眼睛、年齡等屬性標簽等情況下，自己學習潛在空間，部分特定方向對應胡須密度，年齡，頭發顏色等屬性的變化

最近，著名人工智能研究組織OpenAI發布了其最新工作：《Glow:更好的 可 逆 生 成 模 型》（《Glow ：Better ReversibleGenerativeModels》）。

據文章介紹，Glow是一個可逆的生成模型，它使用了可逆的1×1卷積。它基于以前關于可逆生成模型的研究，并簡化了體系結構。該模型能夠生成逼真的高分辨率圖像，支持有效的采樣，并能發現可用于數據處理的特征。研究人員公開了模型代碼和一個在線可視化工具，以便人們能夠使用這個模型并繼續開展研究。

生成模型是基于觀察數據，然后學習出如何生成這些數據的模型。學習數據生成過程需要學習數據中存在的結構，成

功的模型應該能夠生成與數據相似的輸出。精確生成模型具有廣泛的應用，包括語音合成、文本分析與合成、半監督學習和基于模型的控制。研究人員提出的技術也可以應用于這些問題。

Glow是一種可逆的生成模型，也稱為基于流的生成模型，是 NICE和RealNVP技術的延伸。相比于GAN和VAES，基于流的生成模型在研究領域中關注較少。

而基于流的生成模型的優點包括：

精確的潛變量推斷和最大似然估計。在VAE中，只能近似推斷對應于數據點的潛變量的值。GAN根本沒有編碼器來推斷潛在的情況。在可逆的生成模型中，推斷潛在情況可以在沒有近似的情況下精確完成。這不僅可以導致精確的推斷，而且還可以優化最大似然估計。……