EN | 日本語
Post-CFG guidance extension for Stable Diffusion WebUI (Forge-based).
Rescales the unconditional branch by the least-squares optimal factor α (optimized scale), and optionally zeroes the model prediction for the first few steps (zero-init).
Operates in x0 (denoised) space — prediction-space agnostic, so it works on both SDXL (UNet/epsilon) and flow-matching (Anima) models.
Paper: arXiv:2503.18886
Original: WeichenFan/CFG-Zero-star / ComfyUI built-in CFGZeroStar node
Recommended CFG: 7–10. Stacking multiple CFG-axis extensions at very high CFG (≈20+) can cause error accumulation.
Extensions → Install from URL:
https://github.com/seti9585/sd-webui-CFGZeroStar
| Parameter | Default | Description |
|---|---|---|
| Enable CFG-Zero* | off | Enable the optimized-scale correction |
| Enable zero-init | off | Zero the model prediction for the first N steps |
| Zero-init steps | 0 | Steps to zero. 0 = auto (~4% of total steps) |
v_cond = x_t − cond_denoised
v_uncond = x_t − uncond_denoised
α = <v_cond, v_uncond> / (‖v_uncond‖² + 1e-8) ← per-sample scalar
output = out + uncond_denoised × (α − 1)
+ cond_scale × uncond_denoised × (1 − α)
out is the standard CFG result. The additive form (out + delta) preserves any earlier post-CFG corrections (FreSca, MaHiRo, TCFG).
α is computed in x0 space — the sampler wrapper converts the raw model output (epsilon / velocity / flow-matching) to an x0 estimate before the post-CFG hook fires, so α does not depend on the model's prediction parameterization.
Measured behaviour (reForge / Illustrious / CFG 7 / RK Sampler): α ≈ 0.999 at the first step, drifting to ≈ 0.964 at the low-σ tail. The correction is largest at the late (low-σ) steps that govern tone and contrast, leaving composition intact.
if σ > σ_schedule[N]:
denoised = 0 → x_next = x × (σ_next / σ)
Zeroing the model prediction causes the latent to rescale to track σ, skipping the early unreliable estimate. "First N steps" is located from the sigma schedule when the backend exposes it; otherwise an approximate log-σ fraction fallback is used automatically.
Note: zero-init is validated on both SDXL and Anima through Forge's σ-based ODE sampler interface.
It re-rolls early composition (larger N = more variation) but does not improve image quality on either architecture — contrast and saturation decrease at high N. Keep it at the auto default (≈ 1 step at 32 steps) and treat it as a composition-variation knob, not an enhancement.
The paper's quality benefit is specific to native flow-matching pipelines and does not transfer to Forge's unified σ sampler.
- reForge (Python 3.10) — SDXL-family models
- Forge Neo (Python 3.12) — SDXL-family and Anima (flow-matching DiT), txt2img + Hires.fix
Not compatible with A1111 (set_model_sampler_post_cfg_function is Forge-backend only).
English | 日本語
Forge 系 WebUI 向け Post-CFG ガイダンス拡張機能。
無条件分岐を最小二乗最適スケール α（optimized scale）でリスケールし、オプションで最初の数ステップのモデル予測をゼロ化（zero-init）します。
x0（denoised）空間で動作するため、予測パラメータ化（epsilon / velocity / flow-matching）に依存せず、SDXL（UNet）と flow-matching（Anima）の両方で機能します。
論文: arXiv:2503.18886
原実装: WeichenFan/CFG-Zero-star / ComfyUI ビルトイン CFGZeroStar ノード
推奨 CFG: 7〜10。CFG 軸の拡張機能を複数重ねて CFG を高くしすぎると（≈20+）、誤差が累積します。
Extensions → Install from URL:
https://github.com/seti9585/sd-webui-CFGZeroStar
| パラメータ | 既定値 | 説明 |
|---|---|---|
| Enable CFG-Zero* | off | optimized-scale 補正を有効にする |
| Enable zero-init | off | 最初の N ステップのモデル予測をゼロ化する |
| Zero-init steps | 0 | ゼロ化するステップ数。0 = 自動（総ステップ数の約 4%） |
v_cond = x_t − cond_denoised
v_uncond = x_t − uncond_denoised
α = <v_cond, v_uncond> / (‖v_uncond‖² + 1e-8) ← サンプルごとのスカラー
output = out + uncond_denoised × (α − 1)
+ cond_scale × uncond_denoised × (1 − α)
out は通常の CFG 結果です。加算形（out + delta）により、先行する Post-CFG フック（FreSca・MaHiRo・TCFG）の補正を上書きせず積み重ねます。
α は x0 空間で計算されます。Post-CFG フックが呼ばれる時点で、サンプラーがモデルの生出力（epsilon / velocity / flow-matching）を x0 推定値に変換済みのため、α はモデルの予測パラメータ化に依存しません。
実測挙動（reForge / Illustrious / CFG 7 / RK Sampler）: α は第0ステップで ≈ 0.999、低 σ 末尾で ≈ 0.964 まで下降します。補正は後半（低 σ）ステップ ── トーンとコントラストを決める領域 ── に集中し、構図はそのまま維持されます。
if σ > σ_schedule[N]:
denoised = 0 → x_next = x × (σ_next / σ)
モデル予測をゼロ化することで、latent が σ に追従して縮み、初期の不安定な推定をスキップします。「最初の N ステップ」の判定はバックエンドが sigma スケジュールを公開している場合は厳密版、非公開の場合は自動的に log-σ 分率フォールバックを使用します。
注意: zero-init は SDXL・Anima の両アーキテクチャについて、Forge の σ ベース ODE サンプラーインターフェース上で検証済みです。
N を大きくするほど初期構図が変化しますが、いずれのアーキテクチャでも画質は向上しません ── 高 N でコントラスト・彩度が低下します。自動（32ステップで ≈ 1ステップ）のまま使用し、品質機能ではなく構図バリエーションのノブとして扱ってください。
論文の品質上の利点はネイティブ flow-matching パイプライン固有のもので、Forge の統一 σ サンプラー上では再現されません。
- reForge（Python 3.10）— SDXL 系モデル
- Forge Neo（Python 3.12）— SDXL 系および Anima（flow-matching DiT）、txt2img + Hires.fix
A1111 非対応（set_model_sampler_post_cfg_function は Forge バックエンド専用）。
MIT License — Copyright (c) 2026 seti9585
Original: WeichenFan/CFG-Zero-star (Apache-2.0) / ComfyUI built-in CFGZeroStar node
Based on: arXiv:2503.18886