Guidance sans classifieur

Définition

La guidance sans classifieur (classifier-free guidance, CFG) est une technique introduite par Ho et Salimans en 2022 qui ameliore l'alignement entre un texte de prompt et l'image generee par un modele de diffusion, sans necessiter de classifieur externe entraine separement comme le proposaient les methodes anterieures (classifier guidance). Le principe consiste a entrainer un unique modele de diffusion capable de fonctionner en deux modes, conditionne par le prompt ou non conditionne (en remplacant le texte par une entree vide lors d'une fraction de l'entrainement), puis a combiner lineairement les deux predictions de bruit lors de la generation, ponderees par un facteur d'echelle CFG (guidance scale), typiquement compris entre 5 et 15 dans les interfaces courantes de Stable Diffusion ou Midjourney. Une valeur de guidance elevee accentue la fidelite au prompt au prix d'une diversite et d'un realisme visuel reduits, tandis qu'une valeur basse privilegie des images plus naturelles mais moins fideles a la consigne textuelle. Cette technique s'est generalisee au-dela de la generation d'images vers l'audio et la video. Pour un professionnel du marketing ou de la communication utilisant ces outils, le parametre CFG est le principal levier accessible pour arbitrer entre respect strict du brief textuel et qualite esthetique du rendu genere, sans intervention sur l'architecture du modele.