CFG(Classifier-Free Guidance)

AI 이미지 생성의 핵심 조정 값 중 하나인 CFG(Classifier-Free Guidance)에 대해
완전 분석 들어가자.  이거 이해 안 되면, 프롬프트 조절도, 이미지 디테일 튜닝도 헛수고 될 수 있어.

 

CFG란?  Classifier-Free Guidance의 줄임말.

텍스트 조건(프롬프트)을 얼마나 강하게 반영할지 조절하는 기법이야. 그리고 그걸 위해 “ Classifier (분류기)” 없이 작동하는 걸 의미해. 

원래 방식 Classifier Guidance (옛날 방식), 초기 GAN이나 이미지 생성 모델은
진짜-가짜 판별기(Classifier 또는 Discriminator)가 필요했어. 이 판별기가 “이 이미지가 조건에 맞나?”를 판단해주면서
생성기(Generator)를 유도했지. 근데 이 방식엔 단점이 있었어 판별기를 따로 훈련해야 했어 (복잡해짐)
생성기와 싸움하듯 훈련되면서 불안정 해지고 모델의 해석력이 떨어지면 품질도 낮아졌지.

 

그래서 나온 대안이 Classifier-Free Guidance , Classifier 없이도, 프롬프트와 조건 없는 이미지 사이의 차이만으로
“얼마나 프롬프트에 충실하게 이미지 만들래?”를 조정하는 방식이 나온거야.

왜 이렇게 하냐구? 별도의 분류기 없이도 프롬프트를 반영할 수 있어서 구조가 단순해고 훈련이 안정적이고 빨라서야.
정확도도 높고 유연성도 생기지.

 

 

GAN? 가짜를 진짜처럼 만드는 마법 같은 기술

 

한마디로 CFG는 AI가 얼마나 ‘프롬프트에 충실할 것인가’를 정하는 값이야.
쉽게 말하면?   AI한테 얼마나 ‘말 잘 듣게’ 시킬지 조절하는 슬라이더인거지.

낮추면: “알아서 좀 해봐” 
높이면: “내 말 그대로 해!”

 

예를 들어:
CFG 1 → 너 하고 싶은 대로 해봐
CFG 7 → 내 말 좀 반영해줘
CFG 12 → 시키는 대로 해! 절대 벗어나지 마!

이미지 출처:  https://stable-diffusion-art.com/automatic1111/

작동 원리 (조금만 깊게)
Stable Diffusion이나 ComfyUI에서 이미지 생성은 두 개의 latent 예측을 조합해서 만들어져.
조건 있음: 내가 준 프롬프트에 기반한 예측
조건 없음: 프롬프트 없이 모델이 ‘알아서’ 만든 예측
이 둘을 섞을 때 얼마나 프롬프트 쪽으로 기울일지를 결정하는 게 CFG 값이야.

공식적으로는 최종 예측 = 조건 없음 + CFG × (조건 있음 - 조건 없음)
이 계산식이야. 즉, CFG가 클수록 ‘프롬프트 영향력’이 강해진다는 거지.

CFG 값을 조절하면 생기는 변화
1~3 자유로움, 창의적, 예상 밖 결과 배경, 색상 등이 다양함
6~8 균형 잡힘, 일반적으로 추천 의도한 내용이 잘 나오면서, 품질도 안정적
10~15 프롬프트에 매우 충실, 하지만 부자연스러움 가능 너무 정형화된 이미지, 왜곡 발생
20 이상 오히려 품질 저하 가능 색이 깨짐, 노이즈 증가

CFG는 ‘AI 말 잘 듣는 정도’를 조절하는 값 낮으면 창의적, 높으면 정밀하지만 과하면 부작용
6.5~8.5 구간이 일반적으로 가장 좋은 결과 너무 높이면 색감 깨짐, 얼굴 이상함, 노이즈 증가 등의 문제 발생
모델에 따라 최적의 CFG가 다르니 실험하면서 감을 익혀야 해!!