CFG Rescale와 Dynamic Thresholding으로 Oversaturation 18%에서 2%로 감소

Classifier-free guidance above 7.5 oversaturated our product renders

Elise Moreau2026년 6월 26일5분advanced

AI 요약

Context

SDXL 파이프라인에서 Prompt Adherence 향상을 위해 Classifier-free guidance(CFG) scale을 5.0에서 9.0으로 상향 조정한 상황. 이 과정에서 Latent Variance가 모델 학습 분포를 초과하여 하이라이트 클리핑과 색상 과포화 현상이 발생하는 한계 직면.

Technical Solution

CFG Rescale 도입을 통한 Guided Prediction의 Standard Deviation을 Conditional Prediction 수준으로 보정
Rescale factor 0.7 설정을 통해 Contrast 손실을 최소화하며 Variance Inflation 문제 해결
Dynamic Thresholding 적용으로 99.5th Percentile 기반의 Pixel Clamping을 수행하여 잔류 Outlier 제거
Guidance Arithmetic 최적화를 통해 모델 재학습 없이 추론 단계에서 Artifacts 제거
CLIP Image-Text Similarity 측정을 통해 Prompt Adherence 유지를 검증하며 최적의 파라미터 도출

실천 포인트

- High CFG Scale 사용 시 Per-image Latent Standard Deviation을 측정하여 분포 이탈 확인 - CFG Rescale

0.7 설정을 우선 적용하여 Variance를 보정하고 Contrast 유지 여부 검토 - 잔류 Outlier 발생 시 Dynamic Thresholding의 Percentile 값을 카테고리별로 튜닝하여 적용 - Saturated-pixel metric과 CLIP Similarity를 교차 검증하여 품질 저하 방지

태그

#Latent Variance #Classifier-Free Guidance #SDXL #Prompt Adherence #Dynamic Thresholding

원문 읽기