新智元推荐
来源：OpenAI
编译：文强
OpenAI最新提出的可逆生成模型Glow，可以使用相对少的数据，快速生成高清的逼真图像，具有GAN和VAE所不具备的精确操作潜在变量、需要内存少等优势。
OpenAI刚刚在博客介绍了他们的最新成果——Glow，一种使用可逆1x1卷积的可逆生成模型。
Glow可以生成逼真的高分辨率图像，支持高效采样，并且可以自动学习图像中属性特征，比如人的五官。
先来看效果，加了胡子的Hinton，笑容调到最高，眼神也看起来更亮：
下图是使用Glow操纵两名研究人员面部图像的属性。模型在训练的时候并没有给出眼睛、年龄等属性标签，但自己学习了一个潜在空间，其中某些方向对应胡须密度，年龄，发色等属性的变化。
人脸混合过度的效果也十分自然：
这是使用30,个高分辨率面部数据集进行训练后，Glow模型中的样本，可以说很逼真了。如果不说明，应该有不少人会觉得是真人照片。
再放大来看，这个效果至少是不输给GAN的：
Glow模型生成一个x的样本，在NVIDIATiGPU上只需要大约ms。使用reduced-temperature模型采样结果更好，上面展示的例子是温度0.7的结果。
数据利用率高，可泛化，优于GAN和VAEGlow是一种可逆生成模型（reversiblegenerativemodel），也被称为基于流的生成模型（flow-basedgenerativemodel）。目前，学界还很少