Guidance Scale (CFG)
Die Guidance Scale oder CFG Scale ist eine Einstellung in Diffusions-Bildgeneratoren, die steuert, wie stark die Ausgabe dem Prompt folgt. Höhere Werte folgen dem Prompt genauer, verringern aber die Vielfalt.
Auch: classifier-free guidance, CFG, CFG scale, guidance
Von Divya Sharma · Geprüft am 15. Nov. 2026 · So testen wir
CFG steht für Classifier-Free Guidance, die Technik, die diese Einstellung steuert. Die meisten Bild-Tools zeigen sie als Zahl an, oft CFG Scale oder Guidance genannt. Drehst du sie hoch, passen Bilder wörtlicher zum Prompt; drehst du sie herunter, schweift das Modell mehr ab und liefert vielfältigere und manchmal natürlichere Ergebnisse.
So funktioniert es
Jonathan Ho und Tim Salimans beschrieben Classifier-Free Guidance 2022. Ein einziges Diffusionsmodell wird darauf trainiert, sowohl mit als auch ohne Prompt zu entrauschen, indem der Prompt beim Training manchmal weggelassen wird. Bei jedem Generierungsschritt macht es beide Vorhersagen, und die Guidance Scale legt fest, wie weit von der Vorhersage ohne Prompt in Richtung der Vorhersage mit Prompt geschoben wird. Da jeder Schritt zwei Vorhersagen braucht, verdoppelt Guidance ungefähr die Arbeit pro Schritt, sofern das Modell nicht destilliert wurde, um das zu vermeiden.
Einen Wert wählen
Es gibt keine allgemein beste Zahl. Jedes Modell hat einen Bereich, den seine Entwickler empfehlen, und manche neueren destillierten Modelle sind dafür gebaut, mit abgeschalteter oder fester Guidance zu laufen. Ein zu hoher Wert führt oft zu übersättigten Farben, hartem Kontrast und Artefakten. Die Einstellung wirkt mit den anderen Sampling-Einstellungen zusammen, etwa der Zahl der Schritte und dem Seed.
Der Unterschied zur Temperatur
Das ursprüngliche Paper vergleicht Guidance mit Sampling bei niedriger Temperatur in anderen generativen Modellen: Beide tauschen Vielfalt gegen Qualität. Die Temperatur formt die Wahrscheinlichkeiten des nächsten Tokens in einem Sprachmodell um; Guidance ändert die Richtung jedes Entrauschungsschritts in einem Bildmodell.
Verwandte Begriffe
- Diffusionsmodell
- Ein Diffusionsmodell (Diffusion Model) ist ein generatives Modell, das lernt, zufälliges Rauschen in Daten wie ein Bild zu verwandeln, indem es über viele Schritte jeweils ein wenig Rauschen entfernt.
- Text-to-Image
- Text-to-Image ist die Aufgabe, aus einer geschriebenen Beschreibung, dem Prompt, ein neues Bild zu erzeugen. Die meisten aktuellen Text-to-Image-Modelle sind Diffusionsmodelle, die durch den Text gesteuert werden.
- Temperature (Sampling)
- Temperature (Temperatur) ist eine Sampling-Einstellung, die steuert, wie zufällig ein Sprachmodell seine Wörter wählt. Niedrige Werte lassen es die wahrscheinlichsten Tokens bevorzugen; höhere Werte verteilen die Wahl auf weniger wahrscheinliche.
- ControlNet
- ControlNet ist eine Erweiterung für neuronale Netze, mit der ein Text-to-Image-Diffusionsmodell zusätzlich zum Text-Prompt einer strukturellen Vorlage folgt, etwa einer Kantenkarte, einer Tiefenkarte oder einer menschlichen Pose.
- Image-to-Image
- Image-to-Image (Bild-zu-Bild) ist die Aufgabe, aus einem vorhandenen Bild und einem Prompt ein neues Bild zu erzeugen, das einen Teil der Struktur des Originals behält und dabei Stil, Details oder Inhalt ändert.