Fluffy-Diffusion

Fluffy-Diffusion ist mein Hauptprojekt: ein Text-to-Image-Modell das ich von Grund auf selbst trainiere — kein Fine-Tune, kein LoRA, sondern ein eigenes Modell von null.

Ziel

Ein Spezialist für Furry Art. Zuerst Furry Digital Art, später auch realistischere Darstellungen. Das Modell soll Furry-typische Merkmale wie Spezies, Fellmuster, Anatomie und Stilrichtungen konsistent und qualitativ hochwertig umsetzen.

Architektur

Aktuell nutze ich einen gemischten UNet/DiT-Ansatz. VAE und Text Encoder sind noch vorgefertigt — das ist eine pragmatische Zwischenstufe bis ein funktionierender End-to-End-Trainingspfad steht. Danach sollen eigene Komponenten folgen, perspektivisch auch ein eigener Text Encoder auf Basis eines selbst trainierten LLMs.

Aktueller Stand

• Aktiver Checkpoint: 85k aus Terminal-Noise-Evaluation
• Training läuft auf lokalem Setup
• Dataset-Aufbau und Captioning laufen parallel

Was ich dabei lerne

Alles. Diffusion-Theorie, Trainingsdynamik, Dataset-Balancing, Captioning-Strategien, Checkpointing — und wie viel schief gehen kann bevor etwas funktioniert.

Den genauen Weg dokumentiere ich im Blog.