Stable Diffusion 中的CFG Scale是什么？

在使用Stable Diffusion web UI、ComfyUI等进行生图的时候，提示词引导系数 (CFG Scale)是常用设置参数之一，那么你了解过CFG Scale是什么吗？今天就代大家了解一下CFG Scale，让大家以后在SD生图的时候更容易设置该参数。

提示词引导系数 (CFG Scale)有什么作用？

我们使用以下参数与提示词来进行生图，就能够看出不同提示词引导系数的差别：

软件：Stable Diffusion web UI

模型：Animagine XL V3

迭代步数 (Steps)：28

采样方法 (Sampler)：Euler a

提示词：masterpiece,best quality,4k,illustration,bright colors,detailed character,detailed environment,cute girl,summer dress,joyful smile,soft sandy beach,gentle waves,clear blue sky,fluffy clouds,

反向提示词：nsfw,logo,text,badhandv4,EasyNegative,ng_deepnegative_v1_75t,rev2-badprompt,verybadimagenegative_v1.3,negative_hand-neg,mutated hands and fingers,poorly drawn face,extra limb,missing limb,disconnected limbs,malformed hands,ugly,

图片尺寸：720x1080

随机数种子 (Seed):1547925316

在固定种子的情况下

• 参数为小于3的情况下，虽然一定程度上遵循提示，但图片模糊无法使用

• 参数在3-13的情况下，基本遵循提示，生成的图片质量最高

• 参数大于13的情况下，颜色会越来越饱和，图片开始出现与提示词不相关元素

• 当大于17的时候，图片色彩完全饱和，图片无法使用

我们在进行SD生图的时候，通常将提示词引导系数 (CFG Scale)设置为7 到 10 之间，这样出图的质量最高。不过此参数并不适合所有模型，在使用 LCM LoRA 和 SDXL Turbo 等模型的时候，CFG Scale就设置的比较低，通常设置为1-2。

CFG是什么？

CFG是Classifier Free Guidance（无分类器引导）的缩写，要理解CFG，那么你就需要了解它的前身classifier guidance（分类器引导）。

分类器引导 (Classifier Guidance)

分类器引导 (Classifier Guidance) 是一种用于指导扩散模型图像生成的文本提示方法。它使用单独的分类器模型来对图像进行分类，然后使用分类结果来指导扩散模型的生成过程。（参考论文）

这里的分类器通常是一个已经训练好的神经网络，它能够识别和理解图像内容。使用这种技术的目的是为了让生成的图像更符合用户的期望和需求。

为了更通俗易懂地解释，我们可以用一个比喻：想象你正在画一幅画，但你不确定如何下笔。这时候，你有一个聪明的朋友（分类器），他能够告诉你哪些部分画得好，哪些部分需要改进。你根据他的建议进行调整，最终完成了一幅令人满意的画作。

在实际应用中，Classifier guidance的工作原理是这样的：

• 用户给出生成图像的初始指令，比如“画一只猫”。

• 图像生成模型开始创作，但它可能会创造出各种奇奇怪怪的猫，有些可能根本不像猫。

• 这时候，分类器介入，它检查生成的图像，并判断图像中的内容是否符合“猫”的特征。

• 分类器给出反馈，指导图像生成模型如何调整，比如“猫的耳朵太小了”或者“猫的颜色不太对”。

• 图像生成模型根据分类器的反馈进行调整，生成更符合用户期望的猫的图像。

通过这种方式，Classifier guidance帮助图像生成模型更准确地理解用户的意图，并生成更高质量的图像。

无分类器引导（Classifier-free guidance）

无分类器引导 (Classifier Free Guidance，CFG) 是一种用于指导扩散模型图像生成的文本提示方法。它不需要单独的分类器模型，而是使用条件扩散模型来直接从文本提示中生成图像。（参考论文）

为了用最通俗易懂的语言解释这个概念，我们可以用一个类比：想象你在烤蛋糕，但是没有食谱。你有一些基本的食材（比如面粉、糖、鸡蛋等），但是没有具体的指导告诉你如何混合它们。Classifier Free Guidance 就像是一个聪明的助手，它可以根据你想要的蛋糕口味（比如巧克力味或草莓味），帮助你调整食材的比例和烘焙时间，从而做出美味的蛋糕。

在实际的图像生成中，Classifier Free Guidance 的工作原理是这样的：

• 用户告诉图像生成模型他们想要生成什么样的图像，比如“一个海滩上的日落”。

• 图像生成模型开始创作，但是没有具体的指导告诉它如何生成日落或海滩。

• Classifier Free Guidance 技术介入，它通过调整模型生成图像的方式，使得图像更接近用户的要求。比如，它可能会让模型在生成图像时更注重色彩的变化，以模拟日落时天空的颜色。

• 模型根据这些调整生成图像，最终得到一个更符合用户期望的海滩日落图像。

通过这种方式，Classifier Free Guidance 能够帮助图像生成模型更好地理解用户的意图，并生成更加逼真和符合要求的图像，而不需要依赖于传统的分类器。

Classifier-free guidance scale（提示词引导系数）

Classifier-free guidance scale 是在图像生成过程中使用的一个参数，它决定了模型在生成图像时，多大程度上遵循用户的指导。

我们可以用一个类比：想象你在画一幅画，而你的朋友在一旁提建议。CFG Scale 就像是你决定是否听从你朋友的建议的尺度。

在实际的图像生成中，CFG Scale的工作原理是这样的：

1. 用户告诉图像生成模型他们想要生成什么样的图像，比如“一个金发的女孩站在海边”。
2. SD模型开始创作，但是它需要决定如何在遵循用户的指导（金发女孩、海边）和自由创作之间找到平衡。
3. 设置参数。如果这个值适当，模型就会非常专注于确保图像中有一个金发的女孩站在海边。如果这个值过高或者过低，模型可能会在保持大致场景的同时，加入一些自己的创意，比如女孩可能穿着不同风格的衣服，或者海边的环境有一些独特的细节。
4. 模型根据这个参数生成图像。

从上面的例子中大家已经可以看出，这个参数并不是越大越好，合理的值（7-10），但没有最佳值，当然还要根据模型的不同来设置不同的值。

本文只是最简单的解释，要想完全弄懂原理，可能还需要去看论文才行，不过知道基本原理大家就可以进行SD生图了。