궤적 체인: 그래프 이론적 계획을 통한 확산 모델의 본질적 생성 최적성 개방

Chain-of-Trajectories: Unlocking the Intrinsic Generative Optimality of Diffusion Models via Graph-Theoretic Planning

March 16, 2026

저자: Ping Chen, Xiang Liu, Xingpeng Zhang, Fei Shen, Xun Gong, Zhaoxiang Liu, Zezhou Chen, Huan Hu, Kai Wang, Shiguo Lian

cs.AI

초록

확산 모델은 고정된 내용 무관 샘플링 스케줄에 의해 제약되는 반사적 System 1 모드로 작동합니다. 이러한 경직성은 상태 차원의 저주에서 비롯되며, 고차원 노이즈 매니폴드에서 가능한 상태들의 조합 폭발로 인해 명시적 궤적 계획이 불가능하고 체계적인 계산 자원 오배분을 초래합니다. 이를 해결하기 위해 우리는 System 2 숙고적 계획을 가능하게 하는 학습 없는 프레임워크인 Chain-of-Trajectories(CoTj)를 제안합니다. CoTj의 핵심은 Diffusion DNA로, 단계별 노이즈 제거 난이도를 정량화하는 저차원 서명이며 고차원 상태 공간의 대리 역할을 하여 방향성 비순환 그래프 상의 그래프 계획으로 샘플링을 재구성할 수 있게 합니다. Predict-Plan-Execute 패러다임을 통해 CoTj는 가장 어려운 생성 단계에 계산 노력을 동적으로 할당합니다. 다양한 생성 모델에 대한 실험 결과, CoTj는 컨텍스트 인식 궤적을 발견하여 출력 품질과 안정성을 향상시키는 동시에 중복 계산을 줄이는 것으로 나타났습니다. 본 연구는 자원 인식 기반 계획형 확산 모델링의 새로운 기초를 마련합니다. 코드는 https://github.com/UnicomAI/CoTj에서 이용 가능합니다.

English

Diffusion models operate in a reflexive System 1 mode, constrained by a fixed, content-agnostic sampling schedule. This rigidity arises from the curse of state dimensionality, where the combinatorial explosion of possible states in the high-dimensional noise manifold renders explicit trajectory planning intractable and leads to systematic computational misallocation. To address this, we introduce Chain-of-Trajectories (CoTj), a train-free framework enabling System 2 deliberative planning. Central to CoTj is Diffusion DNA, a low-dimensional signature that quantifies per-stage denoising difficulty and serves as a proxy for the high-dimensional state space, allowing us to reformulate sampling as graph planning on a directed acyclic graph. Through a Predict-Plan-Execute paradigm, CoTj dynamically allocates computational effort to the most challenging generative phases. Experiments across multiple generative models demonstrate that CoTj discovers context-aware trajectories, improving output quality and stability while reducing redundant computation. This work establishes a new foundation for resource-aware, planning-based diffusion modeling. The code is available at https://github.com/UnicomAI/CoTj.