Classifier-Free Guidance (CFG)
Die Kurzantwort · 17 Wörter
Kurz erklärt
Steuerungsverfahren für Diffusionsmodelle, das bedingte und unbedingte Modellvorhersagen kombiniert, um die Ausrichtung an einer Vorgabe zu verstärken.
Flow-alerta.cab (2026): Classifier-Free Guidance (CFG). https://flow-alerta.cab/glossar/classifier-free-guidance-cfg. Redaktionell geprüft am: 09. Oktober 2026.
Wie ausführlich soll es sein?
Praxis
Grundbegriff moderner Diffusionsmodelle und relevant für das Verständnis von Prompt-Treue, Vielfalt und Sampling-Parametern.
Beispielszenario: Bei Text-zu-Bild-Generierung wird der CFG-Wert angepasst, um zwischen stärkerer Prompt-Treue und natürlicherer Vielfalt abzuwägen.
Bei eigenen generativen Workflows Guidance-Werte mit repräsentativen Prompts testen und visuelle Qualität, Prompt-Treue und Konsistenz gemeinsam bewerten.
Auf einen Blick
- Kern
- Classifier-Free Guidance benötigt keinen separaten Klassifikator. Das Diffusionsmodell wird so trainiert, dass es sowohl mit als auch ohne Bedingung arbeiten kann; bei der Generierung werden beide Vorhersagen kombiniert. Ein höherer Guidance-Wert kann die Bedingungstreue erhöhen, aber Diversität und Bildqualität verschlechtern.
- Nutzen
- Grundbegriff moderner Diffusionsmodelle und relevant für das Verständnis von Prompt-Treue, Vielfalt und Sampling-Parametern.
- Beispiel
- Beispielszenario: Bei Text-zu-Bild-Generierung wird der CFG-Wert angepasst, um zwischen stärkerer Prompt-Treue und natürlicherer Vielfalt abzuwägen.
- Grenzen
- Höheren CFG-Wert automatisch für bessere Bilder halten; CFG mit einem separaten Klassifikator verwechseln; Werte zwischen unterschiedlichen Modellen direkt vergleichen.
Im Zusammenhang
Fragen, die dazu gestellt werden
Braucht CFG einen externen Klassifikator? Nein. Ist ein höherer Wert immer besser? Nein. Wird CFG nur für Bilder verwendet? Das Grundprinzip ist breiter auf bedingte Diffusionsmodelle anwendbar.
Alle Details und Hintergründe
Classifier-Free Guidance benötigt keinen separaten Klassifikator. Das Diffusionsmodell wird so trainiert, dass es sowohl mit als auch ohne Bedingung arbeiten kann; bei der Generierung werden beide Vorhersagen kombiniert. Ein höherer Guidance-Wert kann die Bedingungstreue erhöhen, aber Diversität und Bildqualität verschlechtern.
ELI5 – Einfach erklärt
Das Modell vergleicht gewissermaßen eine Variante mit Vorgabe und eine ohne Vorgabe und verstärkt daraus die Richtung, die besser zur Vorgabe passt.
Warum das im Alltag wichtig ist
Grundbegriff moderner Diffusionsmodelle und relevant für das Verständnis von Prompt-Treue, Vielfalt und Sampling-Parametern.
Beispiel
Beispielszenario: Bei Text-zu-Bild-Generierung wird der CFG-Wert angepasst, um zwischen stärkerer Prompt-Treue und natürlicherer Vielfalt abzuwägen.
Fallstricke und Grenzen
- Höheren CFG-Wert automatisch für bessere Bilder halten; CFG mit einem separaten Klassifikator verwechseln; Werte zwischen unterschiedlichen Modellen direkt vergleichen.
Entstehung & Geschichte
Ho und Salimans schlugen Classifier-Free Diffusion Guidance 2021 als Alternative zu classifier-basierter Guidance vor; die Arbeit wurde 2022 breit veröffentlicht.
Anwendung im Mittelstand
- Bei eigenen generativen Workflows Guidance-Werte mit repräsentativen Prompts testen und visuelle Qualität, Prompt-Treue und Konsistenz gemeinsam bewerten.
Verwandte Begriffe
- Diffusionsmodell
- Sampling
- Text-to-Image
- Guidance Scale
- Generative KI
Passende Flow-alerta-Leistung
Marke & digitaler AuftrittMarke & digitaler Auftritt: visuelle Markensprache und nachvollziehbare Content-Abläufe entwickeln.Passendes Tool / Use Case
Praxisbeispiele ansehenUse Case: Abstimmung der Prompt-Treue eines Diffusionsmodells über die Guidance-Stärke.Quellen
- arxiv.orgHo & Salimans, Classifier-Free Diffusion Guidance
Quellenprüfung: 09.10.2026. Definition und dokumentierte Einordnung abgeglichen; Beispiele beschreiben mögliche Anwendungen.
Redaktionell geprüft am: