通俗解释
从标准高斯出发，经过一系列可逆、雅可比行列式好算的变换得到数据分布；反过来也能把数据映射回高斯并精确计算概率。RealNVP 用“仿射耦合层”让这件事又快又可逆。它在图像质量上被扩散模型超越，但精确似然的思路影响了后来的流匹配。
用在哪里：精确似然的密度估计、物理模拟采样、变分推断
01原始论文
Density estimation using Real NVP
Laurent Dinh, Jascha Sohl-Dickstein, Samy Bengio · 2016
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-22。
- JSON: /api/learn/algorithms.json (id:
normalizing-flows)