INRFlow는 이미지, 3D 점 구름, 단백질 구조 데이터 등 다양한 데이터 모달리티에 적용 가능한 도메인 비의존적 플로우 매칭 변환기 기반 생성 모델입니다. 기존의 두 단계 학습 방식(데이터 압축기 사전 학습 후 플로우 매칭 모델 학습)과 달리, INRFlow는 암시적 신경 표현(INR)에서 영감을 얻어 좌표 공간에서 연속적인 예측이 가능하도록 조건부 독립적인 점별 학습 목표를 도입하여 암시 공간에서 직접 플로우 매칭 변환기를 학습합니다. 다양한 데이터 모달리티에서 강력한 성능을 보이며 기존 방법들을 능가하는 결과를 제시합니다.
