Pereiti prie turinio
LaFoto

DI vaizdų žodynas

Kas yra guidance scale (CFG)?

Kiek stipriai modelis kiekviename žingsnyje stumiamas link jūsų prompto. Per žema — klaidžioja; per aukšta — rezultatas standus ir persodrintas.

Guidance scale — dažnai žymima kaip CFG scale, nuo classifier-free guidance — valdo, kiek stipriai modelis kiekviename denoise žingsnyje stumiamas link Jūsų prompt. Mažos reikšmės leidžia jam dreifuoti link to, kas jam natūraliausia; didelės verčia tiksliai paklusti tekstui realizmo sąskaita. Daugumai modelių patogu tarp 5 ir 9.
žalvarinis ciferblato matuoklis ant šilto popieriaus, rodyklė ties skalės viduriu, braukiančioje šviesoje

CFG scale ir guidance scale — tas pats valdiklis

Du pavadinimai, vienas slankiklis. CFG reiškia classifier-free guidance — pačią techniką, o sąsajos ją kartais rodo tuo trumpiniu, kartais paprastesniu „guidance scale“. Jei pamokoje rašoma CFG 7, o Jūsų sąsajoje yra tik guidance, nustatykite guidance į 7 — tai tas pats skaičius ir ta pati funkcija.

Kas iš tiesų vyksta kiekviename žingsnyje

Kiekviename denoise žingsnyje modelis tarsi sukuria dvi prognozes: vieną, sąlygotą Jūsų prompt, ir kitą, jo visiškai nepaisančią. Guidance scale yra svoris, taikomas jų skirtumui. Ties 1 gaunate nesąlygotą rezultatą ir Jūsų prompt vos juntamas; didinant sustiprinama kryptis, kuria traukė prompt.

Kodėl labai didelės reikšmės atrodo blogiau, o ne tiksliau

Atrodo logiška: jei šiek tiek laikytis prompt yra gerai, daugiau — dar geriau. Rezultatai paneigia prielaidą. Apie 12–15 ir aukščiau dauguma modelių ima kurti kietus kraštus, „išdegusias“ spalvas, persodrintą kontrastą ir „plakatinę“ išvaizdą. Modelis stumiamas už srities, kur jo išvestys primena fotografijas: techniškai arčiau žodžių, akivaizdžiai toliau nuo realumo.

Kodėl labai mažos reikšmės Jūsų nepaiso

Žemiau maždaug 3 modelis grįžta prie savo priorų — vaizdų, kuriuos jis laiko tikėtiniausiais, nepaisant Jūsų prašymo. Rezultatai dažnai estetiški, tačiau menkai susiję su prompt. Kartais tai naudinga, kai reikia temos interpretacijos, o ne konkretaus vaizdo; kitu metu — tiesiog erzinantis šalutinis efektas.

Nuo ko pradėti ir ką keisti pirmiausia

Pradėkite nuo 7 ir pirmiau taisykite prompt, o ne šį parametrą. Guidance scale yra bukas instrumentas, ir dažniausia „modelis neklausė prompt“ priežastis — miglotas prompt. Kai prompt tikrai konkretus ir vis tiek nepaklūstama, pabandykite 9 ar 10 prieš kildami aukščiau ir turėkite omeny, kad naujesni, į paklusnumą tiuninguoti modeliai dažnai nori mažesnių reikšmių, nei pataria seni gidai.

Gairių skalė trumpai

Dar vadinama
CFG scale
Įprastas intervalas
5–9
Protinga numatytoji reikšmė
7
Per aukšta
Standu, pernelyg sodrios spalvos
Per žema
Nepaiso jūsų prompto
Pirmiausia pataisykite promptą
Dažniausiai tikroji priežastis

Pritaikykite

Kur šis valdiklis pasirodo

Gairių skalė — questions people ask

Kokia yra gera CFG scale reikšmė?
Apie 7 daugumai modelių. Įprastas darbinis intervalas — nuo 5 iki 9; kilkite aukščiau tik tada, kai konkretus prompt tikrai ignoruojamas.
Ar CFG scale ir guidance scale yra tas pats?
Taip. CFG — classifier-free guidance trumpinys, o sąsajos tam pačiam valdikliui naudoja abu pavadinimus.
Kas nutinka, jei guidance scale per didelė?
Vaizdas tampa standus ir persodrintas, su kietais kraštais ir „išdegusiomis“ spalvomis. Jis tiesiogine prasme labiau seka prompt, bet mažiau primena tikrą fotografiją.
Kas nutinka, jei guidance scale per maža?
Modelis dreifuoja link to, ką laiko tikėtiniausia, ir daugiausia ignoruoja Jūsų prompt. Rezultatai gali būti malonūs, bet ne tie, ko prašėte.
Ar turėčiau didinti guidance scale, jei modelis ignoruoja prompt?
Paprastai ne pirmiausia. Dažniau kaltas miglotas prompt — aiškūs daiktavardžiai, apšvietimas ir medžiaga duoda daugiau nei šio skaičiaus kėlimas.
Ar visi modeliai naudoja tą patį guidance scale intervalą?
Ne. Naujesni, į paklusnumą tiuninguoti modeliai dažnai mėgsta mažesnes reikšmes, nei pataria seni gidai, o distiliuoti greiti variantai kartais šį nustatymą beveik ignoruoja.
Ar guidance scale veikia generavimo greitį?
Reikšmingai — ne. Greitį lemia žingsnių skaičius ir raiška; šis nustatymas keičia kiekvieno žingsnio kryptį, o ne jų kiekį.

Pradėkite kurti šiandien

Sugeneruokite pirmą vaizdą su geriausiu DI vaizdų generatoriumi.

Paverskite sakinį užbaigtu, fotorealistiniu vaizdu per kelias sekundes — o tada ištobulinkite kiekvieną detalę. Be diegimo, be Discord, be GPU.

Prisijunkite prie 4 200+ kūrėjų, naudojančių LaFoto