ComfyUI のような AI による画像生成ツールを使用する際、推論ステップと CFG (Classifier-Free Guidance) スケールを理解することは、高品質な結果を生み出すために不可欠です。この記事では、これらのパラメータが画像生成にどのように影響するか、そして最良の結果を得るためにどのように調整するかを探ります。
目次
推論ステップについて理解する
推論ステップはサンプリング ステップとも呼ばれ、モデルが拡散プロセスを逆転させるために実行する反復回数を定義します。大量の画像データセットで学習された拡散モデルは、画像がどのようにノイズへと劣化するかを学習し、その知識を使って生成時にノイズから画像を再構築します。
推論ステップの仕組み
- 出発点：サンプラはランダムなノイズの場から開始します。
- プロンプトによる条件付け：モデルは与えられたプロンプトを使用して、希望する画像を推論します。
- 反復プロセス：連続するステップを経てノイズが徐々に除去され、最終的な画像が現れます。
たとえば、モデルにルビーのどを持つハチドリを生成するよう指示すると、サンプラはノイズから開始し、ハチドリに似ていないものを反復的に除去していきます。
推論ステップの調整
推論ステップの数は、生成画像の品質と処理時間の両方に大きな影響を与えます。
- 既定の設定：ほとんどのサンプラは既定で 20 ステップを使用します。
- ステップ数を減らす：ステップ数を減らす (例：8 ステップ) と処理は速くなりますが、多くの場合、画像の品質は低下します。ステップ数が少なすぎると、画像は不完全で非現実的なものになります。
- ステップ数を増やす：ステップ数を増やす (例：30 ステップ) とディテールとリアリティが向上しますが、生成時間も増加します。
比較例 (プロンプト、シード、モデルなどの他の条件を同じに保つ場合)：
- 8 ステップ：画像はぼやけており、ディテールに欠けます。ほとんどのワークフローには推奨されません。
- 20 ステップ：品質と速度のバランスが取れています。一般的な用途に適しています。
- 30 ステップ：リアリティとディテールが向上し、特に自然写真のような複雑なプロンプトに適しています。
推論ステップの選択のヒント
- さまざまなステップ数を試して、品質と速度の最適なバランスを見つけます。
- 使用するモデルのドキュメントを参照してください。蒸留モデルのような一部のモデルは、より少ないステップ数 (例：8、4、さらには 1 ステップ) に最適化されています。
Classifier-Free Guidance (CFG) スケールについて理解する
Classifier-Free Guidance (CFG) は、画像生成時にモデルがプロンプトにどれだけ厳密に従うかを制御します。モデルの固有の特性に対する、条件付けプロンプトの重みを決定します。
CFG の仕組み
- 低い CFG 値：モデルはプロンプトを解釈する自由度が高くなり、意図した結果から逸脱した出力になることがよくあります。
- 高い CFG 値：モデルはプロンプトにより厳密に従いますが、過度な値は過学習や不自然な結果を引き起こす可能性があります。
CFG スケールの調整
既定の CFG 値は通常 8.0 に設定されていますが、この値を調整すると出力に劇的な影響を与える可能性があります。
比較例(プロンプト、シード、モデル、ステップなどの他の条件を同じに保つ場合)：
- CFG = 1.0：モデルはプロンプトを大まかに解釈します。たとえば、ハチドリのプロンプトでは、ほとんどハチドリに似ていない画像が生成され、解剖学的な不正確さが見られる可能性があります。
- CFG = 8.0：プロンプトへのバランスの取れた追従により、リアルで詳細な画像が生成されます。
- CFG = 20.0：過学習が始まり、不自然な彩度、コントラスト、画像アーティファクトが生じます。
- CFG = 30.0：極端な過学習により、平坦な領域と誇張された色を持つ漫画のような画像になります。
最適なバランスを見つける
- ほとんどのモデルは、適度な CFG 値の範囲 (例：7–12) で最もよく機能します。
- 最適な CFG 範囲を特定するために、モデルのドキュメントを参照してください。許容範囲の広いモデルもあれば、正確な CFG 調整を必要とするモデルもあります。
推論ステップと CFG スケールを選択するための重要なポイント
- 推論ステップ：
- ステップ数を少なくすると生成は速くなりますが、品質は低下します。
- ステップ数を増やすとリアリティとディテールが向上し、特に複雑なプロンプトに効果的です。
- ステップ数を試して、速度と品質のバランスを見つけます。
- CFG スケール：
- 低い値 (例：1–4) ではプロンプトへの追従は低下しますが、創造的な出力を得ることができます。
- 適度な値 (例：7–12) ではリアリティとプロンプトへの追従のバランスが取れます。
- 高い値 (例：20 以上) では過学習が起こり、不自然な画像になる可能性があります。
まとめ
推論ステップと CFG スケールを理解し、調整することは、AI 画像生成ワークフローを最適化するために不可欠です。推論ステップはノイズ除去の反復プロセスを制御し、CFG スケールはプロンプトへの追従レベルを定義します。これらのパラメータを試し、使用するモデルのドキュメントを参照することで、ニーズに合わせた見事な高品質画像を得ることができます。