CFG Guidance Scale Stable Diffusion: Kontrola promptów i artefaktów

Od maja 2026 r. skala CFG guidance pozostaje jednym z najbardziej bezpośrednich sposobów sterowania modelami dyfuzyjnymi takimi jak Stable Diffusion. Decyduje o tym, jak ściśle wynik trzyma się Twojego tekstowego promptu, zamiast błądzić we własne pomysły. Niższe wartości około 1–3 dają modelowi przestrzeń do oddychania. Tekstury skóry zmiękczają się, pozy stają się bardziej naturalne, a oświetlenie dryfuje w nieoczekiwane, ale często przyjemne kierunki. Podnieś skalę wyżej, a każdy szczegół w erotycznym promptcie — krzywizna biodra, dokładny kąt dłoni — blokuje się mocniej. Szczerze mówiąc, spędziłem więcej czasu na dostrajaniu tego w intymnych scenach, niż było to absolutnie konieczne. Kompromis pojawia się szybko: zbyt nisko i obraz ignoruje połowę Twojego opisu, zbyt wysoko i zaczynasz widzieć przesycone kolory lub zniekształcone proporcje.

Mechanizm zaczyna się podczas treningu. Model uczy się przewidywać szum zarówno z promptem, jak i bez niego, losowo pomijając kondycjonowanie. W czasie samplingu łączy te dwie predykcje za pomocą prostej liniowej ekstrapolacji. Formuła to: ostateczna predykcja równa się bezwarunkowej plus skala pomnożona przez różnicę między warunkową a bezwarunkową. Gdy skala wynosi 1, człon promptu całkowicie znika i otrzymujesz czystą generację bezwarunkową. Podnieś ją, a wpływ promptu rośnie wykładniczo. Większość analityków pomija tę część. Jednak zrozumienie ekstrapolacji wyjaśnia, dlaczego drobne zmiany suwaka powodują tak widoczne przesunięcia w dokładności anatomii i spójności oświetlenia.

W realistycznej pracy NSFW słodki punkt zwykle mieści się między 4 a 6. Ciała pozostają proporcjonalne, skóra pokazuje wiarygodne rozpraszanie podpowierzchniowe, a pozy szanują żądaną intymność bez stawania się sztywnymi. Wspinaczka powyżej 10 sprawia, że model posłusznie realizuje każdy przymiotnik w promptcie, jednak światła się przepalają, a kończyny czasem rozciągają się w sposób łamiący iluzję. Kompozycje zbliżeniowe cierpią jako pierwsze. Zrozumienie mechaniki CFG guidance to dokładnie to, co pozwala narzędziom image-to-video nowej generacji tworzyć hiperrealistyczne, wierne promptowi sceny dla dorosłych z kontrolowanym oświetleniem, anatomią i ruchem. Skala CFG Guidance: Precyzyjna Kontrola w Adult AI Diffusion pokazuje, jak te same zasady przenoszą się dalej, gdy pojawia się ruch.

SD 1.5 nadal preferuje 7–12 dla ostrych wyników, choć nowoczesne schedulery pozwalają obniżyć wartość o kilka punktów bez utraty wierności. SDXL czuje się komfortowo przy 5–8. Flux i SD 3.5 najlepiej reagują na niższy zakres 3–5, ponieważ ich trening już wbudował silniejsze trzymanie się promptu. Wyższe wartości CFG oddziałują również z liczbą kroków samplingu. Przy 20 krokach skala 8 może wyglądać czysto; przy 50 krokach ta sama wartość często wymaga obniżenia, aby uniknąć nadmiernego wyostrzenia. Potoki wideo potęgują te różnice, ponieważ każda klatka musi pozostać spójna w całej sekwencji. Tak, wiem jak to brzmi, ale dane potwierdzają to w dziesiątkach testowych renderów.