了解 Stable Diffusion 中的 CFG 缩放比例。学习如何通过它来提升图像质量。
简介
CFG 缩放比例（也称为无分类器指导比例，Classifier Free Guidance scale）在控制 Stable Diffusion 对文本提示的遵循程度方面起着关键作用，它既可用于 **文本到图像 （txt2img）生成，也可用于 ** 图像到图像（img2img）生成。
在本博客中，我们将为您全面介绍 Stable Diffusion 中的 CFG 缩放比例，包括它与 Stable Diffusion 的关系以及背后的技术原理。此外，我们还将提供详细的指南，教您如何在 Stable Diffusion 中使用它，以及如何避免常见错误。现在，让我们一起深入探索 CFG 缩放比例的世界吧！
理解 Stable Diffusion 中的 CFG 缩放比例
在 Stable Diffusion 中，缩写 CFG 代表 “Classifier Free Guidance” 缩放比例，它在决定输出图像质量方面发挥着至关重要的作用。
CFG（无分类器指导）的演进
最初，扩散模型使用显式分类器来指导生成过程，这需要训练一个分类器对带噪声图像进行分类，从而引导特定类别（如猫或狗）的生成。然而，这需要额外引入一个模型。于是便出现了无分类器指导（Classifier-Free Guidance），它利用图像标题来训练条件扩散模型。
什么是 CFG 缩放比例？
CFG 缩放比例（Configuration scale）是一个控制扩散过程强度的参数。它决定像素值的扩散或散布程度，也就是说，它决定了 Stable Diffusion 遵循您提示的程度。
CFG 缩放比例在 Stable Diffusion 中如何工作？
默认情况下，CFG 缩放比例值设置为 7，在创造自由和提示引导之间取得平衡。
CFG 缩放比例与 Stable Diffusion 的关系
稳定扩散是图像处理和计算机图形学中的一个概念，指的是将像素值扩散或散布到整个图像的过程。该技术常用于创建各种效果，如模糊、锐化和边缘检测。这个过程由一组参数控制，CFG 缩放比例就是其中之一。
CFG 缩放比例如何影响图像质量？
CFG 缩放比例决定了扩散过程中应用到提示词上的系数。较低的 CFG 缩放比例值可以保留更多细节，但可能无法达到期望的扩散效果。另一方面，较高的 CFG 缩放比例值可以产生强烈的扩散效果，但可能会导致图像细节的丢失。因此，找到合适的平衡点是获得高质量输出图像的关键。
在稳定扩散中调整 CFG 缩放比例取决于期望的结果。如果目标是创建微妙的扩散效果，则应使用较低的 CFG 缩放比例值。反之，如果目标是创建强烈的扩散效果，则需要较高的 CFG 缩放比例值。
在使用 Stable Diffusion Web UI 时，CFG 限制在 1 到 30 的正数范围内。然而，当通过终端使用 Stable Diffusion 时，CFG 可以高达 999，甚至可以取负值，这表明希望 Stable Diffusion 生成与文本提示相反的内容。
如何在 Stable Diffusion 中使用 CFG 缩放比例？
要学习如何在 Stable Diffusion 中使用 CFG 缩放比例，您需要先在项目中集成 Stable Diffusion 模型。在本节中，我们将逐步教您如何从集成 Stable Diffusion 到程序开始使用。
分步指南
通过集成 API 而非下载来获取 Stable Diffusion 的好处是，您可以根据需要训练并对模型进行调整。
- 步骤 1：打开 Novita AI 网站并创建一个账户。
- 步骤 2：导航至 “API” 并找到您想要的 API。Novita AI 提供多种 API，如 “**文本到图像 **”、 “** 图像到图像**” 等等。
- 步骤 3：获取 API 密钥并将其集成到您的项目中。
- 步骤 4：转到您的 Stable Diffusion 界面。
- 步骤 5：从列表中选择一个您想要的 Stable Diffusion 模型，并输入图像的提示。Novita AI 提供多种模型，包括 Stable Diffusion XL 和 Stable Diffusion 3。
- 步骤 6：调整 CFG 缩放比例值并生成图像。
- 步骤 7：尝试不同的 CFG 缩放比例值，找出能带来最令人印象深刻效果的那个特定值。
关于使用 CFG 缩放比例的硬件考量
Stable Diffusion 的性能和结果可能会受到所用硬件的影响。
- 图形处理单元（GPU）：强大的 GPU 对于高效运行 Stable Diffusion 至关重要。该模型利用 GPU 进行图像生成中计算密集型的任务。
- 随机存取存储器（RAM）：充足的系统 RAM 对于整体系统响应能力和处理大型数据集的能力非常重要。建议至少 16GB 内存，对于要求更高的任务则建议 32GB。
- 操作系统：Stable Diffusion 与各种操作系统兼容，包括 Windows、macOS 和 Linux。然而，具体的版本和更新可能会影响兼容性和性能。
Stable Diffusion 中 CFG 缩放比例的使用案例
Stable Diffusion 中的 CFG 缩放比例允许用户根据自身需求微调图像生成过程。
优化图像质量
用户可以调整 CFG 缩放比例来优化图像质量。通常推荐值为 7，因为它能在真实感和对输入提示的忠实度之间取得良好平衡。
负面提示
CFG 缩放比例可以与负面提示结合使用，这有助于创建排除某些元素但仍遵循主要文本提示的图像。
案例研究
通过调整案例研究中的 CFG 缩放比例值，我们可以观察不同指导水平如何影响生成的图像，从而进一步理解 CFG 缩放比例在实现高保真输出图像方面的重要性。
此外，Novita AI 还提供了一个 “图像到图像” 的 Playground。您可以在其中进行案例研究。
结论
总之，CFG 缩放比例是稳定扩散中一个至关重要的参数，它控制着扩散过程的强度。根据期望结果和原始图像质量调整 CFG 缩放比例，可以显著改善稳定扩散的结果。与图像处理和计算机图形学中的许多事情一样，找到最佳的 CFG 缩放比例值往往需要反复试验，并取决于每个项目的具体需求。
Novita AI 是一个一体化云平台，为您的 AI 梦想赋能。通过无缝集成的 API、无服务器计算和 GPU 加速，我们提供经济高效的工具，帮助您快速构建和扩展 AI 驱动的业务。消除基础设施烦恼，免费开始使用—— Novita AI 让您的 AI 梦想成为现实。
推荐阅读
