正規化フロー

単純な確率分布（ノイズなど）を、一連の可逆で微分可能な写像（関数）を通じて複雑なデータ分布へと変換する生成モデルの一種。拡散モデルとは異なり、データの尤度（もっともらしさ）を直接かつ正確に計算できるという数学的な利点がある。変換が可逆であるため、生成されたデータから元の潜在変数を一意に特定することが可能であり、モデルの挙動の予測しやすさや、学習の安定性、不確実性の定量評価といった面で優れた特性を持つ。