생성 모델을 위한 가능성 기반 기하학

초록

본 논문은 생성 모델의 데이터 분포를 고려한 새로운 (의사)거리 개념을 정의하고, 이를 라그랑주식 정규화와 뉴턴식 힘으로 해석한다. 제안된 메트릭은 최적화된 곡선을 ODE 형태로 기술하며, 효율적인 경로 탐색 및 프레셋 평균 계산 알고리즘을 제공한다. 실험에서 제안 방법은 기존 보간 기법보다 높은 밀도 영역을 통과함을 입증한다.

상세 분석

논문은 먼저 기존 생성 모델(예: VAE, GAN, 확산 모델 등)이 고유의 라티스 공간을 갖지만, 그 공간에 자연스러운 기하학을 부여하려면 강한 가정이 필요함을 지적한다. 이를 극복하기 위해 저자들은 “가능성 기반 메트릭”(pseudo‑metric) ( \mathrm{dist}_\lambda )을 정의한다. 기본 아이디어는 Riemannian 매트릭 (g)와 데이터 로그‑우도 (S(z)=-\log p(z))를 선형 결합한 새로운 내적
\