Guidance scale (CFG)
A guidance scale (escala de orientação), ou CFG scale, é uma configuração de geradores de imagem por difusão que controla com que força a saída segue o prompt. Valores mais altos seguem o prompt mais de perto, mas reduzem a variedade.
Também chamado: classifier-free guidance, CFG, CFG scale, guidance
Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos
CFG significa classifier-free guidance, a técnica que a configuração controla. A maioria das ferramentas de imagem a expõe como um número, muitas vezes chamado de CFG scale ou guidance. Aumente-o e as imagens correspondem ao prompt de forma mais literal; diminua-o e o modelo divaga mais, dando resultados variados e às vezes mais naturais.
Como funciona
Jonathan Ho e Tim Salimans descreveram a classifier-free guidance em 2022. Um único modelo de difusão é treinado para remover ruído tanto com o prompt quanto sem ele, descartando o prompt de vez em quando durante o treinamento. Em cada passo de geração ele faz as duas previsões, e a guidance scale define o quanto empurrar para longe da previsão sem prompt e em direção à previsão com prompt. Como cada passo precisa de duas previsões, a guidance praticamente dobra o trabalho por passo, a menos que o modelo seja destilado para evitar isso.
Escolhendo um valor
Não existe um número ideal universal. Cada modelo tem uma faixa recomendada pelos seus criadores, e alguns modelos destilados mais novos são feitos para rodar com a guidance desligada ou fixa. Um valor alto demais muitas vezes produz cores supersaturadas, contraste duro e artefatos. Ela funciona junto com as outras configurações de amostragem, como o número de passos e a seed.
Como ela difere da temperatura
O artigo original compara a guidance à amostragem com baixa temperatura em outros modelos generativos: as duas trocam variedade por qualidade. A temperatura remodela as probabilidades do próximo token em um modelo de linguagem; a guidance muda a direção de cada passo de remoção de ruído em um modelo de imagem.
Termos relacionados
- Modelo de difusão
- Um modelo de difusão (diffusion model) é um modelo generativo que aprende a transformar ruído aleatório em dados, como uma imagem, removendo um pouco de ruído por vez ao longo de muitos passos.
- Text-to-image
- Text-to-image (texto para imagem) é a tarefa de gerar uma nova imagem a partir de uma descrição escrita, chamada de prompt. A maioria dos modelos text-to-image atuais são modelos de difusão condicionados pelo texto.
- Temperature (amostragem)
- A temperature (temperatura) é uma configuração de amostragem que controla quão aleatórias são as escolhas de palavras de um modelo de linguagem. Valores baixos o fazem favorecer os tokens mais prováveis; valores mais altos espalham as escolhas entre os menos prováveis.
- ControlNet
- O ControlNet é um complemento de rede neural que permite a um modelo de difusão text-to-image seguir um guia estrutural, como um mapa de bordas, um mapa de profundidade ou uma pose humana, além do prompt de texto.
- Image-to-image
- Image-to-image (imagem para imagem) é a tarefa de gerar uma nova imagem a partir de uma existente mais um prompt, mantendo parte da estrutura da original enquanto muda estilo, detalhes ou conteúdo.