こんにちは、タカムネ（@takamune_ai）です。
Stable Diffusionで画像を生成するとき、設定項目のひとつに「CFG Scale」があります。数値を変えると、同じプロンプトでも画像の雰囲気や細部が変化することがあります。
この記事では、CFG Scaleの意味と調整の考え方を解説し、実際に数値を変えて生成した比較画像を紹介します。Sampling Stepsとの関係も、筆者の実験結果をもとに確認していきます。
CFG Scaleとは？プロンプトへの追従度を調整する設定
CFG Scale（Classifier-Free Guidance Scale）は、画像生成時にプロンプトの条件をどの程度強く反映させるかを調整する値です。
一般に、値を高くするとプロンプトの影響が強まり、低くするとその影響が弱まります。ただし、高くすれば必ず指示どおりになるわけではなく、極端な値では彩度の過剰な上昇やノイズ、画像の破綻が起こる場合があります。
CFG Scaleは「画質を上げるための数値」ではありません。使用するモデルやサンプラーなどに合わせて、適切な範囲を探す設定と考えるとわかりやすいでしょう。
- まずは使用モデルの推奨値を確認する
- プロンプトが反映されにくい場合は少しずつ上げて比較する
- 色や輪郭が不自然になった場合は値を下げてみる
CFG Scaleの目安と画像への影響
CFG Scaleの推奨値
CFG Scaleの適切な値は、使用するモデルや生成方式によって異なります。従来のStable Diffusion 1.5系モデルでは7前後が出発点になることもありますが、SDXLや高速生成向けモデルなどでは、異なる値が推奨される場合があります。
例えば、Vすき焼き様（@Vsukiyaki_AIArt）の「ShiratakiMix」は、配布時の推奨設定としてCFG Scale「7.5」が案内されていました。以下は当時の設定例です。
・Sampling Steps: 20 ~ 60
・Sampler: DPM++ SDE Karras
・CFG scale: 7.5
・Denoising strength: 0.55
・Hires steps: 20
・Hires upscaler: Latent or R-ESRGAN 4x+ Anime6B
・Clip skip: 2CFG Scaleを1〜40に変えた比較画像
CFG Scaleの変化による影響を、実際の画像で比較してみましょう。以下はShiratakiMixを使った筆者の検証例です。ほかのモデルでも同じ見た目になるとは限りません。
CFG Scaleを1〜40まで変化させ、その他の条件をできるだけそろえて生成した画像を並べています。各画像の下に表示した数字がCFG Scaleです。
cute girl,indoors,antique shop,many antique goods,shop counter,display shelf,apron,happy smile,perspective
Negative prompt: (easynegative:1.0),(worst quality,low quality:1.2),(bad anatomy:1.4),(realistic:1.1),nose,lips,adult,fat,sad, (inaccurate limb:1.2),extra digit,fewer digits,six fingers,(monochrome:0.95)・Sampling Steps: 30
・Sampler: DPM++ SDE Karras
・CFG scale: 1〜40（比較対象）
・Denoising strength: 0.55
・Hires steps: 20
・Hires upscaler: Latent
・Clip skip: 2
この比較では、CFG Scaleが非常に低い画像は輪郭や描写が曖昧になり、高い画像では色や細部が不自然になったり、ノイズが目立ったりしています。
今回の条件では、推奨値の7.5に近い範囲が比較的自然に見えます。ただし、最適な値はモデルやプロンプト、好みによって変わるため、まずは配布元の推奨値から少しずつ調整するのがおすすめです。
CFG ScaleとSampling Stepsの関係を比較
CFG Scaleを極端に高くすると、画像にノイズや破綻が生じることがあります。では、Sampling Steps（画像生成の反復回数）を増やすと、結果はどう変わるのでしょうか。
Sampling Stepsを増やすことで見た目が改善する場合もありますが、高CFG時のノイズの原因が必ずSteps不足というわけではありません。モデルやサンプラー、生成条件によって挙動が変わります。
そこで、CFG Scaleを40に設定したまま、Sampling Stepsを40〜100に変化させて比較しました。画像下の数字はCFG Scaleではなく、Sampling Stepsの値です。
今回の比較では、Sampling Stepsを増やすにつれてノイズが目立ちにくくなりました。ただし、これはこのモデル・設定での実験結果です。Stepsを増やしても改善しないケースや、逆に見た目が変わるケースもあります。反復回数を増やすほど生成時間も長くなるため、通常はCFG Scaleを適切な範囲に戻す方法も検討しましょう。
【参考】Dynamic Thresholding（CFG Scale Fix）とは？
「Dynamic Thresholding（CFG Scale Fix）」は、高いCFG Scaleで発生しやすい過度な明暗や色の変化などを抑えることを目的とした拡張機能です。
高いCFG Scaleを使いたい場合の選択肢のひとつですが、すべてのノイズや破綻を解消できるわけではありません。対応するWebUIや拡張機能の更新状況を確認して利用してください。
まとめ
CFG Scaleは、プロンプトの影響を調整する設定です。高いほど高画質になるわけではなく、極端な値では不自然な画像になることがあります。まずはモデルの推奨値を基準に、同じプロンプト・Seedで数値を少しずつ変えて比較すると、違いを把握しやすくなります。
コメント