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 분 포를 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.