CFG-skála

angolul: classifier-free guidance (CFG) scale

haladóelterjedt

A CFG-skála egy beállítható szám, amely megszabja, mennyire szorosan kövesse a képgeneráló MI a szöveges utasításodat, és mennyi szabadságot kapjon.

Érthetően

Amikor egy képgeneráló programnak leírod, mit szeretnél látni, a gép nem szó szerint hajtja végre a kérést: van némi mozgástere. A CFG-skála az a csúszka, amellyel ezt a mozgásteret szabályozod. Alacsony értéknél a modell lazán értelmezi a leírást, magas értéknél ragaszkodik hozzá.

Olyan ez, mint amikor egy festőnek adsz megrendelést. Ha annyit mondasz, „valami tengerpartosat kérek, a többit rád bízom”, természetes, de kiszámíthatatlan képet kapsz. Ha minden részletet megkövetelsz, pontosan azt kapod, amit kértél, csak éppen merev és túlrajzolt lesz az eredmény.

A jó beállítás a kettő között van. Túl alacsony értéknél a kép elmosódott, és alig hasonlít a kérésedre; túl magasnál a színek rikítóak, a kontraszt bántó, a részletek torzulnak. A legtöbb programban ezért van egy bevált középérték, amelyről érdemes indulni.

Nem minden szolgáltatás mutatja meg ezt a számot. A csevegőbe épített képgenerálók többnyire elrejtik, a nyílt, saját gépen futtatható eszközökben viszont az egyik legfontosabb állítható érték.

Hogyan működik

A képgeneráló modell zajból indul, és sok apró lépésben tisztítja ki belőle a képet.
Minden lépésben két becslést készít: egyet a szöveges leírásod figyelembevételével, egyet pedig anélkül, mintha semmit sem kértél volna.
A két becslés különbsége megmutatja, merre „húzza” a képet a leírásod.
A CFG-skála ezt a különbséget szorozza fel: minél nagyobb a szám, annál erősebben tolja a modell a képet a leírás irányába.
Mivel lépésenként két számítás kell, ez a módszer nagyjából megduplázza a munkát; a gyorsított modellekbe ezért sokszor előre beépítik a hatását.

Példa a mindennapokból

Egy képgeneráló programban azt kéred: „vörös róka havas erdőben, akvarell stílusban”. Alacsony CFG-értékkel hangulatos, de pontatlan képet kapsz, amelyen a róka akár barna is lehet; nagyon magas értékkel a róka élénkvörös és a hó vakító, de az egész mesterkélt, túlszínezett hatású.

Kit érint

marketingesHa kampányhoz generálsz képet, ezzel a beállítással tudod eldönteni, hogy pontos megfelelést vagy természetesebb, szabadabb látványt kérsz. → Marketing

fejlesztőKépgenerálást beépítő alkalmazásnál ez az egyik paraméter, amelyet neked kell jól megválasztanod, mert az értéke a kép minőségét befolyásolja, a módszer bekapcsolása pedig nagyjából megduplázza a számítási költséget. → Kód

szülő, diák, tanárIskolai projekthez vagy hobbiból készített képeknél ezzel érted meg, miért lesz ugyanabból a leírásból egyszer elmosódott, máskor rikító kép. → Oktatás és család

Gyakori félreértés

TévhitMinél magasabbra állítod a CFG-skálát, annál jobb és pontosabb lesz a kép.

ValójábanEgy ponton túl a kép romlik: túltelítettek lesznek a színek, eltorzulnak a részletek, és csökken a változatosság. A legjobb eredményt általában a középtartomány adja.

Korlátok és kockázatok

Nincs egyetemes jó érték: ami az egyik modellnél bevált, a másiknál használhatatlan képet adhat, ezért mindig az adott modell ajánlásából indulj ki.
A magas érték nem pótolja a jó leírást: ha a kérésed pontatlan vagy ellentmondásos, a modell csak erősebben követi a rosszul megfogalmazott utasítást.
A skála nem javítja ki a modell alapvető gyengeségeit, például a hibás kezeket vagy a képen megjelenő értelmetlen feliratokat.
Sok kényelmi szolgáltatásban egyáltalán nem állítható, így ott a szolgáltató dönt helyetted.

Hasonló, de nem ugyanaz

Hőmérséklet – A hőmérséklet a szöveges modellek válaszainak véletlenszerűségét állítja, a CFG-skála viszont azt, mennyire erősen igazodjon a kép a leíráshoz.
Negatív prompt – A negatív prompt azt mondja meg, mit ne tartalmazzon a kép, a CFG-skála pedig azt, mekkora erővel érvényesüljön az utasításod. A kettő összefügg: a negatív prompt ugyanerre a mechanizmusra épül, ezért a skála a negatív prompt hatását is erősíti.
Mintavételi lépésszám – A lépésszám azt adja meg, hány körben finomodik a kép, a CFG-skála pedig azt, hogy az egyes körökben mennyire számít a leírás.

Kapcsolódó fogalmak

Tágabb

Diffúziós modell, Képgenerálás, Generatív MI

Szűkebb

–

Rokon

Negatív prompt, Prompt, Hőmérséklet, Mintavételi lépésszám, Seed, Stable Diffusion

Röviden a története

A módszert Jonathan Ho és Tim Salimans, a Google kutatói írták le Classifier-Free Diffusion Guidance című tanulmányukban. Először 2021 végén mutatták be egy NeurIPS-műhelykonferencián, az arXiv-ra 2022 júliusában került fel. A név arra utal, hogy a korábbi megoldásokkal szemben nincs szükség külön osztályozó modellre a kép irányításához.

Hol tart most

2026 végén a diffúziós kép- és videógenerálók alapeszköze, a nyílt eszközökben szabadon állítható. A gyorsított, kevés lépésben dolgozó modellek viszont egyre gyakrabban beépítve tartalmazzák, így a felhasználó ritkábban találkozik vele közvetlenül.

Állapot: 2026. november

Más nevei

CFG · CFG scale · CFG-érték · guidance scale · classifier-free guidance · osztályozómentes irányítás · irányítási skála · prompt-követési erősség

Források

Ho, J. – Salimans, T.: Classifier-Free Diffusion Guidance (arXiv:2207.12598)

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.