Guia de Configuração CFG do Z-Image: Evitando Problemas de Supersaturação e Superexposição

Esta semana, continuei obtendo imagens que pareciam um pouco… estridentes. As cores eram intensas, os realces estouravam, e a atmosfera não combinava com o meu prompt, mesmo quando o assunto combinava. Essa pequena frustração me levou a sentar com um café e realizar uma série tranquila de testes no Z-Image-Base, mesmos prompts, mesmas seeds, diferentes valores de CFG, até que os padrões ficaram evidentes para mim.

Sou Dora. Este Guia de Configuração de CFG do Z-Image é o resultado dessas execuções, mais anotações de trabalhos anteriores com modelos de difusão. Não estou aqui para vender uma configuração. Estou aqui para mostrar o que mudou para mim, por que provavelmente acontece, e onde um pequeno ajuste pode fazer o trabalho parecer mais leve em vez de mais ruidoso.

O que é CFG

A influência do CFG na geração de imagens

O Classifier-Free Guidance (CFG) é o controle que decide com que intensidade o modelo deve seguir seu prompt em vez de seus próprios priors aprendidos. CFG baixo deixa o modelo divagar; CFG alto o puxa mais para perto de suas palavras. Na prática, é menos místico do que parece. Eu penso nisso como um diretor dando notas: “Mais solto” ou “siga o roteiro.”

Quando varrei o CFG de 1 a 9 em prompts idênticos (“luz suave da manhã, caneca de cerâmica em uma mesa de madeira, profundidade de campo rasa”), as mudanças foram consistentes:

CFG baixo (1–3): variância mais sombria, contraste mais suave, texturas mais inesperadas. Às vezes a caneca se tornava de pedra-sabão ou a luz ficava mais fria. Não estava errado, apenas interpretativo.
CFG médio (3.5–6): as imagens se estabilizaram, a composição se manteve, e os detalhes correspondiam ao prompt sem ficar frágeis. Foi aqui que meus ombros relaxaram.
CFG alto (7+): a conformidade com o assunto permaneceu alta, mas a saturação de cores e o micro-contraste aumentaram. Os realces foram cortados com mais frequência. Parecia impactante à primeira vista, depois cansativo.

Se você quiser uma referência formal, o artigo original do Classifier-Free Guidance de Jonathan Ho e Tim Salimans explica o mecanismo: o CFG escala a diferença entre previsões condicionais e incondicionais para equilibrar fidelidade e diversidade das amostras.

A relação entre o valor de CFG e a conformidade com o prompt

CFG mais alto aumenta a conformidade com o prompt, mas com compromissos:

Não corrige prompts vagos. Um prompt impreciso com CFG 8 ainda é impreciso, só que mais ruidoso.
Pode forçar literalismo que luta contra o estilo. Com guidance alta, vi “brilhoso” aparecer mesmo quando não pedi, como se o modelo estivesse exagerando na entonação.
Interage com prompts negativos. “Sem realces estourados, sem supersaturação” amenizou levemente o CFG alto, mas não tão bem quanto simplesmente diminuir o controle.

Minha conclusão: use o CFG para “ajustar” um bom prompt, não para salvar um fraco. O ponto ideal geralmente está onde a conformidade aumenta sem que cores e iluminação fiquem teatrais.

Faixa recomendada de CFG para Z-Image-Base

CFG baixo (1–3): Mais aleatório, mais criativo

Quando fiquei no CFG 2 no Z-Image-Base, obtive uma suavidade agradável, quase fílmica. As bordas eram menos rígidas, e pequenos artefatos desapareciam no grão em vez de criar brilho plástico. Esta faixa ajudou para:

Cenas com foco na atmosfera: neblina, crepúsculo, bokeh, renderizações estilo aquarela.
Ideação inicial: eu queria possibilidades, não precisão. O CFG baixo me deu três direções plausíveis a partir de uma seed.

Limitações que encontrei:

Desvio de composição: objetos se moviam, o enquadramento mudava, as mãos ficavam instáveis.
Detalhes específicos do prompt (marca, contagem de objetos) se perdiam.

Se você está criando um mood board ou explorando uma linguagem visual, o CFG baixo é gentil e generativo. Se você está com prazo para seguir um briefing, provavelmente é muito solto.

CFG médio (3.5–6): Ponto de equilíbrio (recomendado 4.5)

Esta foi a zona mais confiável nos meus testes. Em 4.5, o Z-Image-Base pareceu cooperativo sem ficar brilhoso. Algumas anotações de campo:

As cores se estabilizaram. Os tons de pele pararam de pender para o neon. A madeira parecia madeira, não laca.
A iluminação permaneceu expressiva mas não estourou. Camisas brancas mantiveram textura.
Os prompts se mantiveram: se eu pedi “duas xícaras,” recebi duas xícaras na maioria das vezes.

Por que recomendo 4.5 como ponto de partida:

Capturou a intenção do prompt enquanto deixava espaço para estilo.
Funcionou bem com pequenos prompts negativos (ex.: “excessivamente saturado, brilho plástico”).
Em seis seeds por prompt, a variação permaneceu útil, não caótica.

Casos extremos:

Renderizações de produtos muito técnicos às vezes precisavam de um valor um pouco mais alto (5–5.5) para acertar as bordas.
Texturas pictóricas pareciam boas aqui, mas às vezes floresciam melhor em 3.5–4.

CFG alto (7+): Risco de supersaturação

Empurrei para 7–9 para ver onde as coisas quebrariam. Elas não quebraram, mas gritaram.

A saturação aumentou de uma forma que chamava atenção na miniatura e depois me cansava no contexto.
Os realces especulares ficaram duros. Os metálicos eram chamativo, a pele ficou cerosa.
Padrões de ruído surgiram em campos planos, como se o modelo estivesse se esforçando demais.

Existem usos para CFG alto? Alguns:

Ativos com foco em miniatura onde o impacto visual importa mais do que a nuance.
Restrições rígidas de marca, se você também controlar as cores em pós-produção e monitorar a exposição.

Mas se você está tendo “efeito plástico” ou brilho intenso que não consegue corrigir em pós, reduza antes de acumular correção sobre correção. Nos meus testes, diminuir de 7.5 para 5 resolveu mais do que qualquer lista de prompts negativos.

Diagnóstico de problemas comuns

Supersaturação da imagem / cores excessivamente brilhantes

O que vi: vermelhos e azuis-petróleo se destacavam demais, gradientes tinham faixas, e a imagem inteira parecia próxima do HDR.

Causa provável: CFG muito alto, às vezes combinado com samplers que tendem ao contraste.

O que ajudou:

Reduzir o CFG em 1–2 pontos primeiro. Vitórias simples.
Adicionar um negativo leve: “supersaturado, corte de cor.” Funcionou como ajuste, mas não substituiu a mudança de CFG.
Se disponível, reduzir o pós-processamento com alto contraste ou mudar para um sampler que preserve melhor os meios-tons.

Conexão com o trabalho: os ativos começaram a se encaixar melhor ao lado de fotos reais em uma página. Parei de lutar contra as cores na pós-produção.

Superexposição da imagem / transbordamento de luz alta

O que vi: camisas brancas perderam a trama; janelas brilhavam como portais. Os histogramas se concentravam à direita.

Causa provável: CFG alto mais prompts com “brilhante” ou “iluminado pelo sol” sem restrições.

O que ajudou:

Reduzir o CFG para a faixa 4–5.
Ser explícito: “luz suave e difusa,” “manter detalhes nos realces,” ou “sem realces estourados.”
Ajustar a exposição via prompt (“nublado” fez mais do que eu esperava). Se a ferramenta permitir, reduzir levemente a exposição/contraste em outro lugar em vez de lutar apenas com o guidance.

Resultado: os especulares permaneceram, mas com textura. A imagem parecia mais uma câmera, menos uma renderização de showroom.

Perda de detalhes / efeito plástico

O que vi: a pele parecia cerosa, o tecido virou gradientes suaves, a microtextura desapareceu.

Causa provável: uma combinação de CFG alto e termos de estilo como “brilhoso,” “iluminação cinematográfica,” ou “ultra-detalhado” que paradoxalmente aplana as superfícies.

O que ajudou:

Reduzir o CFG para ~4.5.
Substituir “ultra-detalhado” por dicas de textura concretas: “trama fina de linho,” “poros sutis,” “acabamento fosco.”
Adicionar um negativo como “plástico, ceroso, aerografado.”

Na prática: isso não me economizou tempo na primeira tentativa, mas depois de algumas imagens, percebi que reduzia o esforço mental. Menos rejeições. Menos momentos de “por que isso parece falso?”.

Sugestões de CFG para diferentes estilos

Fotografia realista: CFG 4–5

Para prompts fotorrealistas, 4–5 pareceu o mais próximo de “configurar e esquecer.” Usei esta faixa em retratos, cenas de mesa e fotos simples de comida. Em 4.5, a textura da pele se manteve, as sombras não foram esmagadas, e as lentes pareciam críveis.

Ajustes úteis:

Pedir iluminação como um humano faria: “luz de janela, orientação norte, nublado.”
Usar pequenos negativos: “supersaturado, pele plástica.”
Manter os termos de composição simples: “35mm, f/2.8, até a cintura.” Prompts excessivamente ornamentados forçavam demais o estilo e lutavam contra o realismo.

Para quem serve: profissionais de marketing e criadores que misturam imagens geradas com fotografia real. Encaixa em páginas de marca sem chamar atenção.

Estilo de ilustração: CFG 5–7

A ilustração gostava de um pouco mais de guidance. Em 5.5–6.5, o trabalho de linha se mantinha coeso e as paletas eram intencionais sem ficar neon.

Ajustes úteis:

Ser específico sobre o meio: “lavagem de guache,” “linha em tinta,” “textura de serigrafia.” O guidance então se fixa nessa ideia.
Se as cores gritarem, reduza o CFG e ancore dicas de paleta (“tons terrosos apagados,” “paleta limitada”).
Para folhas de conceito, desça até 3.5 para encorajar variação entre quadros.

Para quem serve: equipes construindo sistemas visuais consistentes, aplicativos, documentação ou materiais educacionais, onde a coesão de estilo supera truques fotorrealistas.

Cooperação do CFG com outros parâmetros

O CFG não trabalha sozinho. Algumas interações continuaram aparecendo para mim:

Sampler e steps: Com mais steps, os artefatos de CFG alto às vezes suavizavam, mas não o suficiente para justificar o tempo extra. Obtive melhores resultados reduzindo o CFG do que aumentando os steps.
Resolução: Ampliar com CFG alto exagerava o brilho plástico. Quando precisei de saídas grandes, mantive o CFG moderado (≈4.5) e deixei um upscaler separado cuidar dos detalhes.
Prompts negativos: São tempero, não resgate. Uma lista pequena e direcionada funcionou melhor: “supersaturado, pele cerosa, realces estourados.” Listas longas opacificaram a imagem.
Tokens de estilo: Se você incluir dicas de estilo fortes (“luz de estúdio, revista brilhante”), espere que elas amplifiquem o impacto do CFG alto. Ou suavize a linguagem de estilo ou reduza o CFG.
Seeds e variação: Executar três seeds em 4.5 me deu mais opções utilizáveis do que uma seed em 7. O primeiro parecia escolha; o segundo parecia correção.

Se você quiser entender o porquê mais profundo, o método Classifier-Free Guidance em modelos de difusão efetivamente escala a diferença entre previsões condicionais e incondicionais. Force demais e você amplifica não apenas o sinal, mas também o ruído e o viés em direção a representações de alto contraste. Boas referências: o artigo original sobre Classifier-Free Guidance e as notas de guidance_scale no Diffusers. Elas se alinham com o que observei: use o guidance para direcionar, não para forçar.

Tudo isso se resume a uma pequena prática que agora sigo: começo no CFG 4.5, executo duas seeds, e só movo o controle se puder nomear o que está errado (muito brilhante, muito brilhoso, muito vago). É um trabalho tranquilo, mas me salva de lutar com o modelo mais tarde. Se você estiver integrando isso em um fluxo de trabalho ou pipeline de API, este breve guia de API do Z-Image-Base mostra onde o guidance_scale se encaixa e como passá-lo de forma limpa.