Files
2nd/10_Wiki/Topics/CFG_스케일_제어.md
T

4.4 KiB

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit
id title category status canonical_id aliases duplicate_of source_trust_level confidence_score tags raw_sources last_reinforced github_commit
wiki-2026-0507-008 CFG_스케일_제어 10_Wiki/Topics verified self
CFG Scale
Classifier-Free Guidance
CFG 스케일
none B 1.0
AI
Stable Diffusion
CFG Scale
Prompt Engineering
Image Generation
직접 입력
2026-05-07 pending

CFG_스케일_제어

📌 한 줄 통찰 (The Karpathy Summary)

CFG 스케일은 AI가 사용자의 텍스트 지시(긍정/부정 조건)를 얼마나 엄격하게 혹은 자유롭게 해석할지 결정하는 '가이드의 강도' 레버다.


📖 구조화된 지식 (Synthesized Content)

추출된 패턴:

CFG 스케일은 프롬프트의 품질을 대체할 수 없으며, 빈약한 프롬프트에서 CFG 수치만 높이는 것은 잘못된 지시사항에 대한 모델의 확신만 높여 결과물을 훼손시키는 역효과를 낳는다.

세부 내용:

  • 작동 원리: 긍정 프롬프트(목표)와 부정 프롬프트(회피 영역) 사이에서 샘플러가 균형을 맞출 때 적용되는 가이드 강도.
  • 주요 영향:
    • 낮은 수치 (1~5): 모델의 창의성과 무작위성이 증가하며 부드러운 화풍을 보이나, 프롬프트 준수율이 떨어짐.
    • 중간 수치 (7~11): 대부분의 모델에서 권장되는 표준 범위. 사실성과 지시 준수 사이의 균형.
    • 높은 수치 (12~30): 프롬프트에 매우 엄격하게 반응하지만, 색상이 과포화되거나 구도가 깨지는 'Burned' 현상 발생 위험.
  • 최적화 공식: 적절한 **샘플링 스텝(Sampling Steps)**과 병행 조절해야 고품질 결과 도출 가능.

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

  • 이미지 생성 시 결과물이 프롬프트를 무시하거나, 반대로 너무 과하게 반영되어 색감이 깨질 때.
  • 실사풍과 예술풍 사이의 정밀한 조절이 필요할 때.

언제 이 지식을 쓰면 안 되는가:

  • 텍스트 생성 LLM만 사용하거나, DALL-E 3와 같이 CFG 조절 권한을 사용자에게 주지 않는 폐쇄형 모델을 쓸 때.

이 지식을 적용할 때의 권장 절차:

  1. 기본값 설정: 우선 7~8 사이의 표준 값으로 생성.
  2. 문제 진단:
    • 프롬프트 반영이 안 되면 값을 1씩 증가.
    • 색감이 타거나 선이 너무 날카로우면 값을 1씩 감소.
  3. 병행 조절: CFG를 높일 때는 샘플링 스텝도 함께 높여 노이즈 제거 시간을 확보.

주의사항 또는 알려진 한계:

  • CFG 스케일은 '마법의 버튼'이 아님. 좋은 결과를 위해서는 우선적으로 긍정/부정 프롬프트의 용어 선택이 정밀해야 함.

🧪 검증 상태 (Validation)

  • 정보 상태: verified
  • 출처 신뢰도: B
  • 검토 이유: 해당 없음

🧬 중복 검사 (Duplicate Check)


⚠️ 모순 및 업데이트 (Contradictions & Updates)

  • 과거 데이터와의 충돌: 없음
  • 정책 변화: CFG 조절 전 프롬프트 품질 개선을 우선시하는 'Prompt-First' 원칙 강조.

🔗 지식 연결 (Graph)


🕓 변경 이력 (Changelog)

날짜 변경 내용 처리 방식 신뢰도
2026-05-07 3개 중복 문서를 통합 및 v3.0 규격 적용 MERGE B