분류기 없는 가이던스 (Classifier-Free Guidance, CFG)

분류기 없는 가이던스(Classifier-Free Guidance, CFG)는 조건이 있는 예측과 조건이 없는 예측을 결합해 확산 모델의 생성 방향을 조절하는 방법입니다. 텍스트로 이미지를 만들 때 프롬프트 조건을 더 강하게 반영하는 데 쓰입니다. 별도의 분류기를 학습시키지 않으며, 가이던스 강도는 조건 충실도와 결과의 다양성·품질 사이의 균형에 영향을 줍니다.

조건부 예측과 무조건부 예측의 결합

Classifier-Free Diffusion Guidance 원 논문은 조건부 확산 모델과 무조건부 확산 모델을 함께 학습하고, 두 점수 추정치를 결합하는 방법을 제안합니다. 조건부 예측은 텍스트나 클래스처럼 주어진 조건을 참고하고, 무조건부 예측은 그 조건 없이 생성 방향을 추정합니다. 두 예측의 차이를 조절해 조건이 만드는 방향을 강조하는 구조입니다.

‘분류기 없는’이라는 말은 이미지가 특정 클래스에 속하는지 판단하는 별도 분류기의 기울기를 사용하지 않는다는 뜻입니다. 조건 정보 자체를 없애거나 텍스트 인코더를 쓰지 않는다는 뜻으로 읽으면 작동 방식을 혼동합니다. 텍스트에서 조건 표현을 만드는 과정과 확산 모델의 예측을 결합하는 과정은 서로 다른 역할입니다. 생성 모델이 조건을 받는 형태는 구현에 따라 달라집니다.

한 장의 이미지를 만드는 과정에는 여러 디노이징 단계가 있고, 가이던스는 그 단계의 예측에 관여합니다. 단계 수를 늘리는 설정과 조건의 영향력을 조절하는 설정은 바꾸는 대상이 다릅니다. 같은 문장을 입력해도 모델, 스케줄러, 난수 시드, 가이던스 설정이 달라지면 결과가 달라집니다. 한 설정의 영향을 비교하려면 나머지 조건을 함께 기록할 수 있습니다.

가이던스 강도와 프롬프트 반영

Diffusers의 Stable Diffusion 문서는 guidance_scale을 프롬프트를 따르는 정도를 조절하는 값으로 설명합니다. 이 파이프라인에서는 값이 커질수록 텍스트 조건을 더 따르게 유도하지만 이미지 품질에는 손실이 생길 수 있습니다. 큰 값이 모든 프롬프트와 모델에서 더 좋은 결과를 만든다는 관계는 성립하지 않습니다.

빨간 자동차를 요청했는데 배경 요소가 지나치게 강조된다면, 프롬프트와 가이던스 설정을 함께 살펴볼 수 있습니다. 강도를 높였을 때 원하는 물체가 더 분명해지는지와 색이나 질감이 부자연스러워지는지는 서로 다른 평가입니다. 이 사례는 조절 대상을 설명하는 예시이며 특정 수치에서의 실험 결과를 제시하는 것은 아닙니다. 원 논문도 품질과 다양성을 조절하는 방법이라는 범위로 제안합니다.

프롬프트의 의미가 모호하거나 모델이 표현하기 어려운 관계라면 강도 조절만으로 문제가 해결되지 않을 수 있습니다. 조건의 영향력을 키우는 일과 모델이 새로운 개념을 학습하는 일은 다릅니다. 서로 충돌하는 요구가 많은 문장은 어떤 조건을 더 따랐는지 평가하기도 어렵습니다. 설정값과 함께 실제 입력 문장과 결과의 어떤 부분을 비교했는지 남기면 판단의 기준이 분명해집니다.

파이프라인별 설정과 실행 조건

2026년 10월 11일 UTC에 확인한 Stable Diffusion 파이프라인 매개변수는 guidance_scale이 1보다 클 때 CFG를 사용한다고 설명합니다. 이 설명은 해당 파이프라인의 계약입니다. 같은 이름의 설정이 다른 모델이나 증류된 파이프라인에서도 동일하게 동작한다고 옮겨 쓰지 않으며, 지원 여부와 권장 범위는 해당 구현 문서에서 확인합니다.

같은 문서의 negative_prompt는 생성에서 피하고 싶은 내용을 전달하며, 가이던스를 사용하지 않을 때는 무시됩니다. 네거티브 프롬프트는 CFG의 일반 정의와 동일한 개념은 아닙니다. 조건을 결합하는 방법 위에서 특정 입력을 어떻게 사용하도록 구현했는지에 해당합니다. 빈 조건을 쓰는 설명과 네거티브 조건을 쓰는 설명을 비교할 때도 어떤 파이프라인의 동작인지 구별합니다.

생성 비용은 수행한 모델 예측과 파이프라인 구현의 영향을 받습니다. CFG 설정만으로 고정된 속도 차이를 단정하거나, 디노이징 단계 수와 같은 값으로 비교하지 않습니다. 결과를 다시 확인하려면 모델 식별자와 라이브러리 버전, 시드, 단계 수, 스케줄러, 입력 조건이 함께 필요합니다. 결과 이미지의 품질 평가는 프롬프트 충실도와 다양성 등 실제로 살핀 기준별로 남깁니다.