ガイダンススケール(CFG)
ガイダンススケール(guidance scale)、または CFG スケールとは、拡散モデルの画像生成ツールで、出力がプロンプトにどれだけ強く従うかを調整する設定です。値を高くするとプロンプトにより忠実に従いますが、多様性は下がります。
別名: classifier-free guidance, CFG, CFG scale, guidance
執筆 Divya Sharma · 2026年11月15日確認 · レビューの方法
CFG は classifier-free guidance の略で、この設定が制御する技術の名前です。ほとんどの画像ツールはこれを数値として表示しており、CFG scale や guidance とよく呼ばれます。上げると画像はプロンプトにより文字どおりに合い、下げるとモデルの自由度が増して、多様で、ときにはより自然な結果になります。
仕組み
Jonathan Ho と Tim Salimans が 2022 年に classifier-free guidance を発表しました。学習中にときどきプロンプトを外すことで、1 つの拡散モデルに、プロンプトありとプロンプトなしの両方でノイズ除去を学ばせます。生成の各ステップで両方の予測を行い、ガイダンススケールが、プロンプトなしの予測から離れてプロンプトありの予測へどれだけ押し出すかを決めます。各ステップで 2 つの予測が必要なため、それを避けるよう蒸留されたモデルでない限り、ガイダンスによってステップあたりの処理量はおよそ 2 倍になります。
値の選び方
誰にとっても最適な数値はありません。モデルごとに開発元が推奨する範囲があり、新しい蒸留モデルの中には、ガイダンスを切るか固定して動かす前提で作られたものもあります。値が高すぎると、色の飽和しすぎ、きついコントラスト、アーティファクトが生じやすくなります。ステップ数やシードなど、ほかのサンプリング設定と組み合わせて働きます。
temperature との違い
元の論文は、ガイダンスをほかの生成モデルにおける低い temperature でのサンプリングになぞらえています。どちらも多様性と引き換えに品質を得るものです。temperature は言語モデルの次のトークンの確率分布の形を変え、ガイダンスは画像モデルの各ノイズ除去ステップの方向を変えます。
関連用語
- 拡散モデル
- 拡散モデル(diffusion model)とは、多くのステップをかけて少しずつノイズを取り除くことで、ランダムなノイズを画像などのデータに変えることを学ぶ生成モデルです。
- Text-to-image(画像生成)
- Text-to-image(画像生成)とは、プロンプトと呼ばれる書かれた説明から新しい画像を生成するタスクです。現在のtext-to-imageモデルのほとんどは、テキストで条件付けした拡散モデルです。
- Temperature(サンプリング)
- Temperature(温度)とは、言語モデルの単語の選び方がどれだけランダムかを制御するサンプリングの設定です。低い値では最も可能性の高いトークンが選ばれやすくなり、高い値では可能性の低いトークンにも選択が広がります。
- ControlNet
- ControlNet は、テキストからの画像生成を行う拡散モデルが、テキストのプロンプトに加えて、エッジマップ、深度マップ、人のポーズなどの構造的なガイドに従えるようにするニューラルネットワークの追加モジュールです。
- Image-to-image
- Image-to-image(画像から画像への生成)とは、既存の画像とプロンプトから新しい画像を生成するタスクです。元の画像の構造の一部を保ちながら、スタイル、細部、内容を変えます。