无分类器引导(CFG)

无分类器引导,通常简称 CFG,是扩散模型里的一项设置,控制结果在多大程度上遵循你的提示词,代价是额外的计算。

  • 使用模型
  • 更新于

每一步中,模型会分别预测带提示词和不带提示词的结果,引导强度决定向带提示词的那一边推多远。强度越高,越贴近提示词,但画面可能显得用力过猛,而且每一步需要两次模型计算,而不是一次。

蒸馏模型常常把引导直接做进了权重里,这是它们更快的原因之一。Z-Image Turbo 不需要无分类器引导,Anima 的 Turbo 版本在强度为 1 时运行,而常规版本建议 4 到 5,MiniMax H3 的检查点则是经过 CFG 蒸馏的。MOSS-Image 默认强度为 3,并在负向分支中跳过一层以节省计算。请从模型卡上的数值开始,因为适合一个模型的设置可能会毁掉另一个。

相关术语

  • 扩散模型 扩散模型从随机噪声出发,一步一步去除噪声,最终生成图像或视频。
  • 采样步数 采样步数是扩散模型把噪声变成图像或视频所经历的计算轮数。步数越少,结果越快,通常会损失一些细节或多样性。
  • 蒸馏 蒸馏是训练一个较小的“学生”模型去模仿较大的“教师”模型,用很小的体积保留教师的大部分能力。

继续阅读

全部术语