확산 모델은 이미지 합성부터 복잡한 추론 작업까지 다양한 영역에서 강력한 생성 능력을 보여주었습니다. 그러나 대부분의 추론 시간 확장 방법은 고정된 잡음 제거 일정에 의존하여 인스턴스의 어려움이나 작업별 요구 사항에 따라 계산을 적응적으로 할당하는 능력이 제한적입니다. 본 논문에서는 적응형 추론 시간 확장(추론 중 계산 노력을 동적으로 조정)이라는 과제를 제시하고, 유연한 검색 기반 추론 프레임워크인 적응형 양방향 순환 확산(ABCD)을 제안합니다. ABCD는 양방향 확산 주기를 통해 출력을 개선하는 동시에 탐색 깊이와 종료를 적응적으로 제어합니다. 이는 순환 확산 검색, 자동 탐색-활용 균형, 적응형 사고 시간의 세 가지 구성 요소로 구성됩니다. 실험 결과, ABCD는 다양한 작업에서 성능을 향상시키는 동시에 계산 효율성을 유지하는 것으로 나타났습니다.
