Ao trabalhar com ferramentas de geração de imagens baseadas em IA, como o ComfyUI, compreender os passos de inferência e a escala CFG (orientação sem classificador) é essencial para produzir resultados de alta qualidade. Neste artigo, vamos explorar a forma como estes parâmetros afetam a geração de imagens e como ajustá-los para obter os melhores resultados.
Índice
Compreender os passos de inferência
Os passos de inferência, também conhecidos como passos de amostragem, definem o número de iterações que o modelo realiza para reverter o processo de difusão. Os modelos de difusão, treinados com grandes conjuntos de dados de imagens, aprendem como as imagens se degradam até se tornarem ruído e usam esse conhecimento para reconstruir imagens a partir do ruído durante a geração.
Como funcionam os passos de inferência
- Ponto de partida: O amostrador começa com um campo de ruído aleatório.
- Condicionamento do prompt: O modelo usa o prompt fornecido para inferir a imagem pretendida.
- Processo iterativo: O ruído é removido gradualmente ao longo de passos sucessivos, até surgir a imagem final.
Por exemplo, se pedir ao modelo que gere um beija-flor de garganta rubi, o amostrador começa com ruído e remove iterativamente tudo o que não se pareça com um beija-flor.
Ajustar os passos de inferência
O número de passos de inferência tem um impacto significativo tanto na qualidade da imagem gerada como no tempo de processamento.
- Definição predefinida: A maioria dos amostradores usa 20 passos por predefinição.
- Reduzir os passos: Reduzir o número de passos (p. ex., para 8) acelera o processo, mas resulta frequentemente numa má qualidade de imagem. Passos a menos deixam a imagem incompleta e pouco realista.
- Aumentar os passos: Aumentar o número de passos (p. ex., para 30) melhora o detalhe e o realismo, mas aumenta o tempo de geração.
Comparação de exemplo (mantendo as outras condições iguais, como o prompt, a semente e o modelo):
- 8 passos: As imagens ficam desfocadas e sem detalhe. Não recomendado para a maioria dos fluxos de trabalho.
- 20 passos: Qualidade e velocidade equilibradas. Adequado para uso geral.
- 30 passos: Maior realismo e detalhe, especialmente para prompts complexos, como a fotografia de natureza.
Dicas para escolher os passos de inferência
- Experimente diferentes números de passos para encontrar o equilíbrio ideal entre qualidade e velocidade.
- Consulte a documentação do seu modelo específico. Alguns modelos, como os modelos destilados, são otimizados para menos passos (p. ex., 8, 4 ou até um único passo).
Compreender a escala de orientação sem classificador (CFG)
A orientação sem classificador (CFG) controla o rigor com que o modelo segue o prompt durante a geração de imagens. Determina o peso atribuído ao prompt de condicionamento em relação às propriedades intrínsecas do modelo.
Como funciona a CFG
- Valores CFG baixos: O modelo tem mais liberdade para interpretar o prompt, resultando frequentemente em resultados que se desviam do resultado pretendido.
- Valores CFG altos: O modelo segue o prompt com mais rigor, mas valores excessivos podem levar a sobreajuste e a resultados pouco naturais.
Ajustar a escala CFG
O valor CFG predefinido é normalmente 8.0, mas ajustar este valor pode afetar drasticamente o resultado.
Comparação de exemplo(mantendo as outras condições iguais, como o prompt, a semente, o modelo e os passos):
- CFG = 1.0: O modelo produz interpretações vagas do prompt. Por exemplo, um prompt de beija-flor pode resultar numa imagem que mal se parece com um beija-flor, com imprecisões anatómicas.
- CFG = 8.0: Fidelidade equilibrada ao prompt, produzindo imagens realistas e detalhadas.
- CFG = 20.0: Começa a ocorrer sobreajuste, levando a saturação e contraste pouco naturais e a artefactos na imagem.
- CFG = 30.0: O sobreajuste extremo resulta em imagens caricatas, com áreas planas e cores exageradas.
Encontrar o ponto ideal
- A maioria dos modelos tem melhor desempenho dentro de um intervalo moderado de valores CFG (p. ex., 7–12).
- Consulte a documentação do seu modelo para identificar o intervalo CFG ideal. Alguns modelos são tolerantes, enquanto outros exigem uma afinação precisa da CFG.
Principais conclusões para escolher os passos de inferência e a escala CFG
- Passos de inferência:
- Use menos passos para uma geração mais rápida, mas com menor qualidade.
- Aumente os passos para obter maior realismo e detalhe, especialmente com prompts complexos.
- Experimente o número de passos para encontrar o equilíbrio entre velocidade e qualidade.
- Escala CFG:
- Valores mais baixos (p. ex., 1–4) reduzem a fidelidade ao prompt, mas permitem resultados criativos.
- Valores moderados (p. ex., 7–12) equilibram o realismo e a fidelidade ao prompt.
- Valores mais altos (p. ex., 20+) podem causar sobreajuste, resultando em imagens pouco naturais.
Conclusão
Compreender e ajustar os passos de inferência e a escala CFG é fundamental para otimizar os fluxos de trabalho de geração de imagens com IA. Enquanto os passos de inferência controlam o processo iterativo de remoção de ruído, a escala CFG define o nível de fidelidade ao prompt. Ao experimentar estes parâmetros e consultar a documentação do seu modelo específico, pode obter imagens impressionantes e de alta qualidade, adaptadas às suas necessidades.