מדידה בווידאו גנרטיבי: תנועה ונפילה של הבד
ההרחבה הלוגית של מדידה בתמונה סטטית היא קטע וידאו קצר המראה את הקונה לובש את הבגד בתנועה — הליכה, סיבוב או מחווה. וידאו מאפשר לקונים להעריך כיצד הבד זז, כיצד המכפלת נופלת בזמן הליכה, וכיצד בגדים מובנים שומרים על צורתם בתנאים דינמיים. קבוצות מחקר בכמה מעבדות AI הדגימו גרסאות ראשוניות של העברת בגד-לווידאו ב-2024 וב-2025, כשהאיכות משתפרת במהירות.
הסף המסחרי למדידה בווידאו דורש עקביות זמנית — הבגד חייב להישאר מרונדר נכון לאורך כל פריים ללא ריצודים או עיוותים — מה שמהווה בעיה קשה משמעותית מרינדור פריים בודד. יצירת קטע של 3 שניות באיכות סבירה לוקחת כיום דקות על חומרה חזקה, לעומת 8–15 שניות לתמונה בודדת. הערכה סבירה למדידת וידאו ברמה מסחרית בהשהיה מקובלת: 2028.
AR חי פוגש AI גנרטיבי
מדידת AR נוכחית (שכבת מצלמה בזמן אמת) ומדידת AI נוכחית (רינדור מתמונה סטטית) הן מערכות טכנולוגיות נפרדות. הסינתזה הבאה היא פיד מצלמה חי המעובד על ידי מודל גנרטיבי כמעט בזמן אמת — מה שיבטל את המגבלה של AR שבה רואים 'שכבת תלת-ממד נוקשה' תוך שמירה על המיידיות של חוויה חיה. הדגמות מוקדמות קיימות כאבות-טיפוס מחקריים, הפועלים בדרך כלל ב-2–5 פריימים לשנייה על חומרת מובייל נכון ל-2025.
השגת 30+ פריימים לשנייה הנדרשים לחוויית מדידה חיה טבעית מחייבת חומרת הסקה ייעודית (שלא צפויה להיות סטנדרט במכשירי קצה לפני 2028) או מחקר אינטנסיבי בדחיסת מודלים. זהו פיתוח סביר לטווח הבינוני אך אין להציגו כקרוב. הערך לטווח הקרוב עבור סוחרים נותר ברינדור סטטי מבוסס תמונה, שכבר מספק את תוצאות ההמרה החשובות.
חיזוי מידה ללא ביומטריה
אחד הפערים המתמשכים במדידה וירטואלית הוא שהיא יכולה להראות איך הבגד נראה אך לא איך הוא יושב — האם הוא יהיה צמוד מדי במותניים, ארוך מדי בשרוול או קצר מדי בטורסו עבור גוף ספציפי. חיזוי מידה דורש מדידות גוף, אותן מערכות נוכחיות משיגות דרך דיווח עצמי של המשתמש (לא מדויק) או דרך סריקת גוף בתלת-ממד (לא זמין לרוב הקונים אונליין).
המחקר על הסקת מדידות גוף מתמונה דו-ממדית בודדת — תוך שימוש בניתוח צללית והערכת יציבה — רשם התקדמות משמעותית. מערכות שיכולות להעריך מדידות מקורבות של קונה מצילום סלפי בדיוק של 2–3 ס"מ בממדי מפתח הן ריאליות מסחרית בחלון הזמן של 2027–2029. בשילוב עם נתוני מדידות בגד מובנים מהמותגים, הדבר יאפשר חיזוי מידה אמיתי ללא צורך בסרט מדידה או בחומרה ייעודית.
הרכבת תלבושות מרובות פריטים
מדידה מבוססת תמונה נוכחית מטפלת בבגד אחד בכל פעם. קונה יכול לראות את עצמו בשמלה ספציפית או בז'קט ספציפי, אך לא את שניהם יחד עם אביזר. הרכבת תלבושת מלאה — רינדור סימולטני של חלק עליון, תחתון, שכבה נוספת ואביזר על אותה תמונה — דורשת פתרון לאינטראקציה והסתרה בין בגד לבגד, משימה מורכבת משמעותית מרינדור בגד בודד.
יישומים מסחריים מוקדמים של הרכבת פריטים מרובים הופיעו ב-2025–2026 לשילובים פשוטים (חלק עליון ותחתון, שמלה ואביזר). רינדור תלבושת מלאה באיכות פוטו-ריאליסטית הוא פיתוח של 2027–2028. עבור סוחרי אופנה, תכונה זו היא בעלת הערך הגבוה ביותר לחנויות המוכרות סטים מתואמים או שיש להן דפוס רכישה חזק של 'קנה את הלוק', שבו צפייה בתלבושת מלאה יכולה להעלות את AOV ב-30–50% בהשוואה לרכישת פריט בודד.
מודלי גוף קבועים: השינוי בפלטפורמה לטווח הבינוני
הפיתוח המשמעותי ביותר מבחינה מסחרית לטווח הבינוני הוא מודל הגוף הקבוע: ייצוג דיגיטלי של גוף הקונה שהם בונים פעם אחת ומשתמשים בו שוב ושוב לאורך סבבי קניות מרובים ואצל קמעונאים שונים. במקום להעלות תמונה חדשה בכל פעם, מודל הגוף של הקונה נשמר (בהסכמתם) ומשמש כבסיס לכל מדידה. זה מוריד משמעותית את החיכוך בחוויית המדידה ומאפשר עקביות במידות בין קמעונאים.
השלכות המודל העסקי הן משמעותיות. לישות שמחזיקה במודל הגוף הקבוע של הצרכן יש יתרון הפצה מול כל קמעונאי שמתממשק עם הפלטפורמה. זוהי דינמיקה שבה המנצח לוקח כמעט הכל, ועדיין לא ברור מי יתפוס את העמדה הזו — יצרן המכשיר, מערכת ההפעלה, פלטפורמת אופנה ייעודית או אחת מפלטפורמות המסחר האלקטרוני הגדולות. נכון לעכשיו, מדובר בפריט אסטרטגי באופק ולא בפריט תפעולי. מה שסוחרים צריכים לפעול לגביו היום הוא הטמעת המדידה מבוססת התמונות שכבר מספקת ROI מוכח.