Apple、拡散モデルに代わる新しい生成手法「iTARFlow」を発表
要約
Appleの機械学習研究チームが、Normalizing Flows（正規化フロー）を基盤とした新しい生成モデル「iTARFlow（iterative TARFlow）」を開発したと発表した。Normalizing Flowsは尤度ベースの古典的な手法だが、近年TARFlowなどの進歩により画像モデリングタスクで有望な性能を示し、拡散モデルの代替手法として注目されている。iTARFlowは従来の拡散モデルとは異なり、訓練時に完全にエンドツーエンドの尤度ベース目的関数を維持し、サンプリング時には自己回帰的な生成を行う特徴を持つ。
洞察・気づき
この研究は生成AI分野における技術的多様性の重要性を示している。現在主流の拡散モデルに対し、Normalizing Flowsという異なるアプローチで競争力のある手法を提案することで、生成モデルの選択肢が広がる可能性がある。特にAppleのような大手テック企業が積極的に代替手法を研究していることは、現在の拡散モデル一辺倒の状況に変化をもたらす可能性を示唆している。エンドツーエンドの尤度ベース学習を維持できる点は、理論的解釈性や学習安定性の面で優位性を持つ可能性がある。