본문으로 건너뛰기
ReviewRamble

주간 브리프

AI 리뷰를 받은편지함으로.

  • 도구, 모델, MCP 서버, 저장소의 새 리뷰(결론부터)
  • 변경이 있을 때 다시 확인한 가격과 평점
  • 새로 발행된 분석 글

모델, 에이전트, MCP 서버, 그리고 정말 시간을 들일 만한 도구.

일주일에 한 통입니다. 각 브리프의 링크로 구독을 해지할 수 있습니다. 이메일 사용 방식

가이던스 스케일(CFG)

가이던스 스케일(guidance scale), 또는 CFG 스케일은 확산 이미지 생성기에서 출력이 프롬프트를 얼마나 강하게 따를지 조절하는 설정입니다. 값이 높을수록 프롬프트를 더 충실히 따르지만 다양성이 줄어듭니다.

다른 이름: classifier-free guidance, CFG, CFG scale, guidance

작성 Divya Sharma · 2026년 11월 15일 확인 · 리뷰 방식

CFG는 이 설정이 조절하는 기법인 classifier-free guidance의 약자입니다. 대부분의 이미지 도구는 이를 숫자로 노출하며, 흔히 CFG scale이나 guidance라고 부릅니다. 올리면 이미지가 프롬프트와 더 문자 그대로 맞고, 내리면 모델이 더 자유롭게 움직여 다양하고 때로는 더 자연스러운 결과를 냅니다.

작동 방식

Jonathan Ho와 Tim Salimans가 2022년에 classifier-free guidance를 설명했습니다. 하나의 확산 모델이 학습 중 때때로 프롬프트를 빼는 방식으로, 프롬프트가 있을 때와 없을 때 모두 노이즈를 제거하도록 학습합니다. 생성 단계마다 두 가지 예측을 모두 하고, 가이던스 스케일이 프롬프트 없는 예측에서 프롬프트 있는 예측 쪽으로 얼마나 밀어낼지 정합니다. 단계마다 예측이 두 번 필요하므로, 이를 피하도록 모델을 증류하지 않는 한 가이던스는 단계당 작업량을 대략 두 배로 늘립니다.

값 고르기

모든 경우에 맞는 최적의 숫자는 없습니다. 모델마다 제작자가 권하는 범위가 있고, 일부 최신 증류 모델은 가이던스를 끄거나 고정한 채 실행하도록 만들어졌습니다. 값이 너무 높으면 색이 과포화되고, 대비가 거칠어지고, 아티팩트가 생기는 경우가 많습니다. 단계 수와 시드 같은 다른 샘플링 설정과 함께 작동합니다.

temperature와 다른 점

원 논문은 가이던스를 다른 생성 모델의 낮은 temperature 샘플링에 비유합니다. 둘 다 다양성을 품질과 맞바꿉니다. temperature는 언어 모델에서 다음 토큰의 확률 분포를 바꾸고, 가이던스는 이미지 모델에서 각 노이즈 제거 단계의 방향을 바꿉니다.

관련 용어

확산 모델
확산 모델(diffusion model)은 여러 단계에 걸쳐 노이즈를 조금씩 제거하면서 무작위 노이즈를 이미지 같은 데이터로 바꾸는 법을 배우는 생성 모델입니다.
텍스트 투 이미지(Text-to-image)
텍스트 투 이미지(text-to-image)는 프롬프트라고 부르는 글 설명으로부터 새 그림을 생성하는 작업입니다. 현재 대부분의 텍스트 투 이미지 모델은 텍스트를 조건으로 하는 확산 모델입니다.
Temperature(샘플링)
temperature는 언어 모델의 단어 선택이 얼마나 무작위적인지 조절하는 샘플링 설정입니다. 값이 낮으면 가장 가능성 높은 토큰을 선호하고, 값이 높으면 가능성이 낮은 토큰까지 선택이 퍼집니다.
ControlNet
ControlNet은 텍스트 이미지 확산 모델이 텍스트 프롬프트에 더해 엣지 맵, 깊이 맵, 사람의 자세 같은 구조 가이드를 따르게 하는 신경망 애드온입니다.
이미지 투 이미지
이미지 투 이미지(image-to-image)는 기존 이미지와 프롬프트로 새 이미지를 생성하는 작업으로, 원본 구조의 일부를 유지하면서 스타일, 디테일, 내용을 바꿉니다.

출처