自足独立成分分析：解耦流的无先验学习方法

研究者提出"自足信号"概念，用条件 KL 散度最小化实现非线性独立成分分析，算法无需参数化源密度和观测似然，完全避开对抗训练。该方法在每次迭代中学习解耦流模型，并在理想化 Wasserstein 梯度流变体上证明了总相关的局部下降。玩具和真实数据集实验验证了其有效性。