本稿では、従来の条件生成モデルにおけるプロンプトの忠実性と生成品質を同時に向上させる手法「Classifier-Free Guidance（CFG）」の改良版である「CFG-EC」を提案します。CFGは、トレーニング中に条件付きプロンプトと無条件プロンプトをランダムに交互に使用しますが、サンプリング時には両方を同時に出力するため、一貫性のないノイズ推定が発生します。CFG-ECは、この問題に対処するため、無条件ノイズ予測を洗練させ、無条件エラー成分と条件エラー成分が直交するよう再調整します。この修正により、ガイダンス成分間の干渉が防止され、サンプリングエラーの上限が制約されることで、高忠実度画像生成のための信頼性の高いガイダンストラジェクトリが確立されます。数値実験の結果、CFG-ECは低ガイダンスサンプリング領域で顕著な性能向上を示し、全体的にプロンプトの整合性を高めました。