Stable Diffusion CFG Scaleを理解する

Stable DiffusionにおけるCFG Scaleの導入

Stable Diffusionは、テキストプロンプトから画像を生成するAIモデルの1つです。モデルの出力に影響を与える重要なパラメータの1つが、Classifier-Free Guidance（CFG）Scaleです。この記事では、CFG Scaleについて調べ、設定方法を紹介します。

CFG Scaleとは

CFG Scaleは、Stable Diffusionモデルのパラメータで、Classifier-Free Guidanceのガイドの強さを制御します。Classifier-Free Guidanceは、入力テキストプロンプトを加えて、モデルがcontextually適切な画像を生成するように導く機構です。

CFG Scaleが画像の質感に与える影響

CFG Scaleの値は、Stable Diffusionモデルの画像生成に大きな影響を与えます。CFG Scaleの値を低くすると、モデルは抽象的で幻想的な質感の画像を生成します。画像は詳細が不足し、夢幻的または印象主義的な雰囲気を帯びています。 一方、CFG Scaleの値を高くすると、モデルはリアルティスト的な詳細度の高い画像を生成します。ただし、これは、画像の抽象的で創造的要素を失うことになります。

CFG Scaleの調整

以下の例を見て、CFG Scaleの値を異なる画像質感に設定する方法を確認してみましょう。Stable Diffusionモデルに以下のプロンプトを使用します。

 猫が窓のそばに座っている画像、CFG Scale = 7.0 

このプロンプトは、リアルティスト的な詳細度の高い猫が窓のそばに座っている画像を生成します。 ここで、CFG Scaleの値を下げてみましょう。

 猫が窓のそばに座っている画像、CFG Scale = 3.0 

このプロンプトは、猫が窓のそばに座っている画像を生成しますが、より抽象的で幻想的な質感となります。 異なるCFG Scale値を試して、特定のスタイルまたは効果を実現できます。たとえば、高いCFG Scale値を使用すると、リアルティスト的な詳細度の高い猫が窓のそばに座っている画像を生成できます。一方、低いCFG Scale値を使用すると、猫が窓のそばに座っている画像を生成できます。

PromptShot AIを用いてプロンプトを作成する

Note: PromptShot AIのリンクは、以下に残します。https://promptshot.ai/