Bei der Arbeit mit KI-gestützten Bilderzeugungstools wie ComfyUI ist das Verständnis von Inferenzschritten und der CFG-Skala (Classifier-Free Guidance) unerlässlich, um hochwertige Ergebnisse zu erzielen. In diesem Artikel untersuchen wir, wie diese Parameter die Bilderzeugung beeinflussen und wie man sie anpasst, um die besten Ergebnisse zu erzielen.
Inhaltsverzeichnis
Inferenschritte verstehen
Inferenschritte, auch als Sampling-Schritte bekannt, definieren die Anzahl der Iterationen, die das Modell durchführt, um den Diffusionsprozess umzukehren. Diffusionsmodelle, die auf großen Bilddatensätzen trainiert wurden, lernen, wie Bilder zu Rauschen zerfallen, und nutzen dieses Wissen, um Bilder während der Generierung aus Rauschen zu rekonstruieren.
Wie Inferenzschritte funktionieren
- Ausgangspunkt: Der Sampler beginnt mit einem Feld aus zufälligem Rauschen.
- Prompt-Konditionierung: Das Modell verwendet den angegebenen Prompt, um das gewünschte Bild abzuleiten.
- Iterativer Prozess: Das Rauschen wird über aufeinanderfolgende Schritte allmählich entfernt, bis das endgültige Bild entsteht.
Wenn Sie das Modell beispielsweise auffordern, einen Rubinkehlkolibri zu erzeugen, beginnt der Sampler mit Rauschen und entfernt iterativ alles, was keinem Kolibri ähnelt.
Inferenzschritte anpassen
Die Anzahl der Inferenzschritte hat erhebliche Auswirkungen sowohl auf die Qualität des erzeugten Bildes als auch auf die Verarbeitungszeit.
- Standardeinstellung: Die meisten Sampler verwenden standardmäßig 20 Schritte.
- Schritte reduzieren: Eine Verringerung der Schrittzahl (z. B. auf 8) beschleunigt den Prozess, führt aber oft zu schlechter Bildqualität. Zu wenige Schritte lassen das Bild unvollständig und unrealistisch wirken.
- Schritte erhöhen: Eine Erhöhung der Schrittzahl (z. B. auf 30) verbessert Detail und Realismus, erhöht aber die Generierungszeit.
Beispielvergleich (bei gleichen übrigen Bedingungen wie Prompt, Seed und Modell):
- 8 Schritte: Bilder sind verschwommen und detailarm. Für die meisten Workflows nicht empfohlen.
- 20 Schritte: Ausgewogene Qualität und Geschwindigkeit. Für den allgemeinen Gebrauch geeignet.
- 30 Schritte: Höherer Realismus und mehr Details, besonders bei komplexen Prompts wie Naturfotografie.
Tipps zur Auswahl von Inferenzschritten
- Experimentieren Sie mit verschiedenen Schrittzahlen, um die optimale Balance zwischen Qualität und Geschwindigkeit zu finden.
- Lesen Sie die Dokumentation Ihres jeweiligen Modells. Einige Modelle, etwa destillierte Modelle, sind für weniger Schritte optimiert (z. B. 8, 4 oder sogar einen einzigen Schritt).
Classifier-Free Guidance (CFG) Scale verstehen
Classifier-Free Guidance (CFG) steuert, wie strikt das Modell während der Bilderzeugung dem Prompt folgt. Sie bestimmt die Gewichtung des konditionierenden Prompts gegenüber den intrinsischen Eigenschaften des Modells.
Wie CFG funktioniert
- Niedrige CFG-Werte: Das Modell hat mehr Freiheit bei der Interpretation des Prompts, was oft zu Ergebnissen führt, die vom beabsichtigten Ergebnis abweichen.
- Hohe CFG-Werte: Das Modell folgt dem Prompt strikter, aber übermäßige Werte können zu Overfitting und unnatürlichen Ergebnissen führen.
CFG Scale anpassen
Der Standard-CFG-Wert ist in der Regel 8.0, aber eine Anpassung dieses Werts kann das Ergebnis dramatisch beeinflussen.
Beispielvergleich(bei gleichen übrigen Bedingungen wie Prompt, Seed, Modell und Schritte):
- CFG = 1.0: Das Modell erzeugt lose Interpretationen des Prompts. Beispielsweise könnte ein Kolibri-Prompt zu einem Bild führen, das kaum einem Kolibri ähnelt, mit anatomischen Ungenauigkeiten.
- CFG = 8.0: Ausgewogene Prompt-Treue, die realistische und detaillierte Bilder erzeugt.
- CFG = 20.0: Es beginnt Overfitting, was zu unnatürlicher Sättigung, unnatürlichem Kontrast und Bildartefakten führt.
- CFG = 30.0: Extremes Overfitting führt zu cartoonartigen Bildern mit flachen Bereichen und übertriebenen Farben.
Den Sweet Spot finden
- Die meisten Modelle arbeiten am besten in einem moderaten Bereich von CFG-Werten (z. B. 7–12).
- Konsultieren Sie die Dokumentation Ihres Modells, um den optimalen CFG-Bereich zu ermitteln. Einige Modelle sind nachsichtig, während andere eine präzise CFG-Abstimmung erfordern.
Wichtigste Erkenntnisse zur Auswahl von Inferenzschritten und CFG Scale
- Inferenzschritte:
- Verwenden Sie weniger Schritte für eine schnellere Generierung, aber geringere Qualität.
- Erhöhen Sie die Schritte für besseren Realismus und mehr Details, besonders bei komplexen Prompts.
- Experimentieren Sie mit Schrittzahlen, um die Balance zwischen Geschwindigkeit und Qualität zu finden.
- CFG Scale:
- Niedrigere Werte (z. B. 1–4) verringern die Prompt-Treue, ermöglichen aber kreative Ergebnisse.
- Moderate Werte (z. B. 7–12) balancieren Realismus und Prompt-Treue aus.
- Höhere Werte (z. B. 20+) können Overfitting verursachen und zu unnatürlichen Bildern führen.
Fazit
Das Verstehen und Anpassen von Inferenzschritten und CFG Scale ist entscheidend für die Optimierung von KI-Bilderzeugungs-Workflows. Während Inferenzschritte den iterativen Prozess der Rauschentfernung steuern, definiert die CFG Scale den Grad der Prompt-Treue. Durch Experimentieren mit diesen Parametern und das Konsultieren der Dokumentation Ihres jeweiligen Modells können Sie beeindruckende, hochwertige Bilder erzielen, die auf Ihre Bedürfnisse zugeschnitten sind.