什么是 CFG？

粗略地说，CFG（Classifier-Free Guidance）是决定 “多大程度上强制遵循提示词”的系数。

  • 值越高：越试图强行遵循提示词
  • 值越低：越容易偏向模型原本的“看起来自然的图像”

但是，CFG 只有在文本编码器能正确理解提示词，且模型具有足够的表现力时才能发挥作用。

提示词、模型、Conditioning 的设计是主角，CFG 终究只是 微调的旋钮。

CFG 的机制

在内部，扩散模型会计算 2 种“噪点的预测”。

  • positive：输入提示词的情况（conditional）
  • negative：忽略提示词的情况（unconditional）

在 ComfyUI 中，通过以下公式将它们混合。

output = negative + guidance_scale × (positive - negative)

这里的 guidance_scale 就是 CFG 的值。

这个公式的意思是，要将“有提示词”和“无提示词”的预测差分放大多少。

  • 值越大：positive - negative 的差分被强调，会被强力拉向提示词的方向
  • 值越小：提示词的影响变弱，会偏向 negative（模型原本的倾向）

CFG 的值和“恰到好处”

根据模型和采样器的不同，最佳的 CFG 值也不同，但暂且使用 4〜7 是没有问题的。

虽然说增强 CFG 可以增加提示词的效果，但那仅限于

  • 文本编码器理解提示词内容
  • 模型拥有表现该图像的性能

的时候。如果做不到这一点，即使提高 CFG，生成结果也不会变好。

CFG = 1 的特殊含义

在 CFG 中， 1 这个值稍微有点特别。 试着将 guidance_scale = 1 代入刚才的公式。

output = negative + 1 × (positive - negative)
       = positive

negative 的信息被抵消，只剩下 positive。

此时会发生以下两件事。

1. 削减计算量

因为不需要 negative（unconditional）的推理，所以与 CFG > 1 时相比，可以将每步的计算量几乎减半（取决于实现）。

虽然有各种图像生成高速化的方法，但最简单的就是 使用 CFG = 1。但是，由于无法使用 CFG 调整提示词的强度，许多模型通过其他参数进行代替。

2. Negative Prompt 失效

因为输出只有 positive，所以 Negative Prompt 不再生效。 因为无论在 negative 侧输入什么文本，在公式上都会被抵消。

注意点

被称为高速化模型的东西，大多是以 CFG = 1 为前提进行学习的。 如果在这种模型中设置大于 1 的 CFG 值，会输出崩坏的图像，因此请在发布页面或文档中确认模型预想的 CFG 值。