Die Ausgangslage
Möbel- und Leuchtenmarken fotografieren jedes Produkt im Studio – und dann noch einmal für jede Farbvariante, Saison und Kampagne. Allgemeine Bildmodelle wissen, was ein Sessel ist, aber sie kennen nicht diesen Sessel: die Proportionen, den Bezug, den exakten Eichenton. Mit Prompting allein kommt man nie über „ungefähr richtig“ hinaus.
Wir wollten einen wiederholbaren Weg, einem Diffusionsmodell eine konkrete Produktlinie anhand weniger hundert Fotos beizubringen – so, dass ein Content-Team das Training selbst starten und beurteilen kann, ohne eine Loss-Kurve lesen zu müssen.
Was wir gebaut haben
Adapter Studio kapselt eine LoRA-Fine-Tuning-Pipeline (Low-Rank Adaptation) für SDXL in einer Arbeitsumgebung, die jeden Trainingslauf als eigenständiges Objekt behandelt: Konfiguration, Metriken, Vorschauen und der exportierte Adapter gehören zusammen.
- Eine Datensatz-Stufe mit automatischer Bildbeschreibung und Aspect-Ratio-Bucketing, sodass 300 Produktfotos in gemischten Formaten ohne manuelles Zuschneiden zu einem sauberen 1024-Pixel-Trainingsset werden.
- LoRA-Adapter mit Rang 16 ausschließlich auf den Attention-Projektionen, trainiert in bf16 mit 8-Bit-AdamW und Cosine-Schedule. Das Basismodell bleibt eingefroren; jeder Adapter ist eine 50-MB-Datei statt eines 6-GB-Checkpoints.
- Prior-Preservation-Regularisierung mit generierten Klassenbildern, damit das Modell „diesen Sessel“ lernt, ohne „Sessel“ zu vergessen.
- Checkpoint-Vorschauen alle 400 Schritte, gerendert mit festen Prompts und Seeds und per CLIP-Ähnlichkeit gegen zurückgehaltene Produktfotos bewertet – der beste Checkpoint wird über eine Kennzahl gewählt, nicht nach Bauchgefühl.
Ergebnisse
Auf einem Möbel-Datensatz mit 312 Bildern stieg der Fidelity-Score von 0,61 für das Basismodell auf 0,88 beim besten Checkpoint; der komplette Lauf ist in unter zwei Stunden auf einer einzelnen GPU fertig. Adapter werden zur Inferenzzeit gewechselt, sodass ein Basismodell alle Produktlinien bedient. Das Content-Team erzeugt markenkonforme Kampagnenbilder per Textprompt, und das Studio bleibt den Hero-Shots vorbehalten.
Dieselbe Umgebung wurde inzwischen für eine Leuchtenkollektion und eine Textilserie genutzt; die Pipeline ist modellunabhängig, das nächste Basismodell ist eine Konfigurationsänderung.