我的论文写好了！
本人三月以来一直在关注邓明扬的新论文”Generative Modeling via Drifting” 。他的idea就是直接用neural network作为生成新的概率分布的工具。当一个nn的参数足够精确时，我们从一个简单的分布sample然后输入进那个网络就可以直接得到一个更复杂的结果，这个结果可以被视为一个更复杂分布的sample。换言之，nn也可以作为一个生成模型来使用。通过drifting去train这个nn就可以得到我们想要的分布。

那么问题来了：这种模型有理论上的支持吗？邓明扬的idea是很新颖，实践上也得到了很好的结果（比如说很低的FID）。但是他的论文缺乏许多的理论依据。我的论文就是在研究一个人nn生成的分布是不是有一定的几何性质。我最后的结论是，nn所生成的分布有非常良好的几何性质。其能生成的分布至少是一个topological space。如果再有更多的约束的话可以成为一个黎曼流形。这样一来邓的idea就有了更加坚实的理论基础。

本人最近发了arXiv。希望有好的结果
ML