TarFlow：基于Transformer的归一化流模型刷新图像密度估计SOTA

研究人员提出了一种名为TarFlow的新型归一化流模型，它结合了Transformer架构和掩码自回归流的优势。TarFlow通过对图像块进行自回归Transformer处理，并交替改变自回归方向，实现了高效的密度估计和图像生成。此外，研究人员还引入了三种关键技术来提升样本质量：训练过程中的高斯噪声增强、训练后的去噪过程以及有效的引导方法。实验结果表明，TarFlow在图像似然估计方面取得了显著的突破，超越了现有最佳方法，并且生成的样本质量和多样性可与扩散模型媲美，这在独立的归一化流模型中尚属首次。