Odborné vysvětlení: Normalizující toky jsou třída generativních modelů, které transformují jednoduché pravděpodobnostní rozdělení (např. Gaussovo) na složitější rozdělení dat pomocí sekvence invertibilních transformací. Využívají princip změny proměnných pro výpočet pravděpodobností. Techniky zahrnují NICE (Non-linear Independent Components Estimation), Real NVP (Real-valued Non-Volume Preserving) a Glow. Cílem je vytvořit flexibilní a výpočetně efektivní modely pro generování a modelování komplexních dat.
Vysvětlení pro laiky: Normalizující toky jsou jako kouzelná skříň, která dokáže přeměnit jednoduché tvary (třeba kuličky) na složité objekty (třeba auta nebo domy). Počítač se naučí, jak postupně měnit jednoduché věci na složité tak, že může tento proces provádět oběma směry – vytvářet složité věci z jednoduchých a také rozložit složité věci zpět na jednoduché. To mu umožňuje vytvářet velmi realistické nové objekty nebo obrázky.
Normalizing Flows are a class of generative models that transform a simple probability distribution (e.g., Gaussian) into a more complex data distribution using a sequence of invertible transformations. They utilize the change of variables principle for probability computation. Techniques include NICE (Non-linear Independent Components Estimation), Real NVP (Real-valued Non-Volume Preserving), and Glow. The goal is to create flexible and computationally efficient models for generating and modeling complex data.
