FluxのAI感を消せるか？num_inference_stepsとguidance_scaleで検証してみた

2024年10月1日 20:18

Flux dev 8fpを使用した際、生成される画像にAI特有の不自然さを感じました。これはいわゆる「ガチャ要素」の影響もあると考えられますが、生成時に使用するnum_inference_stepsとguidance_scaleの設定値によって、結果が変わるかもしれないので、検証を行いました。
下記に、30通りの条件で生成した画像をアップしてありますので、ご確認ください。

画像生成にはガチャ要素（運任せの部分）が多いですが、いくつか気づいたことがあります。

num_inference_stepsが20以下のように低すぎると、画像が破綻しやすい
推論ステップ（num_inference_steps）が極端に少ないと、画像の細部がうまく表現されず、崩れてしまうことが多いです。画像を安定して生成するためには、ある程度のステップ数が必要です。
guidance_scaleが10に近づくと、プロンプト（指示文）に忠実な画像になる
guidance_scaleを高めに設定すると、指定したプロンプトに非常に忠実な画像を生成できます。ただし、別の記事で「guidance_scaleが高すぎると、プロンプトに矛盾がある場合に画像が破綻しやすい」と読んだことがあります。そのため、10のように最大値に近づけるのは注意が必要かもしれません。

そこで疑問に思ったのが、num_inference_stepsを高く設定するとどうなるのかという点です。

そこで、試しにnum_inference_steps=100、guidance_scale=10の設定で画像を生成してみました。結果は、プロンプトに非常に忠実で、画像もシャープでクリアでした。

ただし、この設定だと「AIらしさ」が強く出すぎて、どこか不自然な感じがしてしまいます。

つまり、num_inference_stepsとguidance_scaleの設定は、バランスが重要であり、一方を極端に高くするのではなく、状況に応じて適切な値を選ぶ必要があると感じました。