扩散采样不再全图一个引导强度：按去噪轨迹逐token分配，VBench总分最高涨0.75
流匹配模型的分类器无关引导此前对所有潜变量token使用同一个缩放系数，而各token的速度预测在采样过程中变化并不一致。TrajCFG把引导速度方向的历史变化映射为有界系数，方向变化大的token给更强引导，方向稳定的token给更弱引导，并融合相邻步与区间归一化的长跨度反馈，且不增加模型评估次数。在文本到视频、图像到视频、文本-音频-视频、文本到图像和图像到3D生成上，它相对基础采样器均有提升；文本到视频在三个骨干上VBench总分比各自最强基线高0.30至0.75分。