Try-on video generatif: gerakan dan drape
Ekstensi logis dari try-on foto statis adalah klip video pendek yang menunjukkan pembeli mengenakan pakaian dalam gerakan — berjalan, berputar, atau bergerak. Video memungkinkan pembeli mengevaluasi bagaimana kain bergerak, jatuhnya ujung pakaian saat berjalan, dan bagaimana pakaian terstruktur mempertahankan bentuknya dalam kondisi dinamis. Grup riset di beberapa lab AI telah mendemonstrasikan versi awal transfer pakaian-ke-video pada tahun 2024 dan 2025, dengan kualitas yang meningkat pesat.
Ambang batas komersial untuk video try-on memerlukan konsistensi temporal — pakaian harus tetap ter-render dengan benar di setiap bingkai tanpa kedipan atau artefak distorsi — yang merupakan masalah yang jauh lebih sulit daripada rendering satu bingkai. Menghasilkan klip 3 detik dengan kualitas yang dapat diterima saat ini memakan waktu beberapa menit pada perangkat keras kelas atas, dibandingkan dengan 8–15 detik untuk satu gambar. Perkiraan masuk akal untuk video try-on pakaian tingkat komersial dengan latensi yang dapat diterima: 2028.
Live AR bertemu generative AI
AR try-on saat ini (overlay kamera real-time) dan AI try-on saat ini (render dari foto statis) adalah tumpukan teknologi yang terpisah. Sintesis berikutnya adalah feed kamera langsung yang diproses oleh model generatif dalam waktu nyaris real-time — menghilangkan batasan 'arahkan kamera dan lihat overlay 3D yang kaku' dari AR sambil tetap mempertahankan kesegeraan pengalaman langsung. Demonstrasi awal telah ada sebagai prototipe riset, biasanya berjalan pada 2–5 frame per detik pada perangkat keras seluler per tahun 2025.
Mencapai 30+ fps yang diperlukan untuk pengalaman live try-on yang alami membutuhkan perangkat keras inferensi khusus (tidak mungkin menjadi standar di perangkat konsumen sebelum 2028) atau riset kompresi model yang agresif. Ini adalah perkembangan jangka menengah yang masuk akal namun tidak boleh disajikan sebagai sesuatu yang akan segera hadir. Nilai jangka pendek bagi pedagang tetap pada rendering berbasis foto statis, yang sudah memberikan hasil konversi yang penting.
Prediksi ukuran bebas biometrik
Salah satu celah yang terus ada dalam virtual try-on adalah teknologi ini dapat menunjukkan tampilan pakaian tetapi bukan kecocokan ukurannya — apakah akan terlalu ketat di pinggang, terlalu panjang di lengan, atau terlalu pendek di batang tubuh untuk tubuh tertentu. Prediksi ukuran memerlukan pengukuran tubuh, yang diperoleh sistem saat ini baik melalui laporan mandiri pengguna (tidak akurat) atau melalui pemindaian tubuh 3D (tidak tersedia bagi sebagian besar pembeli online).
Riset tentang menyimpulkan ukuran tubuh dari satu foto 2D — menggunakan analisis siluet dan estimasi pose — telah membuat kemajuan berarti. Sistem yang dapat memperkirakan ukuran rata-rata pembeli dari sebuah selfie dengan akurasi 2–3 cm pada dimensi utama sudah realistis secara komersial dalam jendela tahun 2027–2029. Jika digabungkan dengan data pengukuran pakaian terstruktur dari brand, ini akan memungkinkan prediksi ukuran yang asli tanpa memerlukan pita pengukur atau perangkat keras khusus.
Komposisi pakaian multi-item
Try-on berbasis foto saat ini menangani satu pakaian pada satu waktu. Seorang pembeli dapat melihat diri mereka dalam gaun tertentu atau jaket tertentu, tetapi tidak keduanya bersamaan dengan aksesori. Komposisi pakaian lengkap — merender atasan, bawahan, lapisan, dan aksesori secara bersamaan pada foto yang sama — memerlukan penyelesaian oklusi dan interaksi antar pakaian, yang secara substansial lebih kompleks daripada rendering pakaian tunggal.
Implementasi komersial awal dari komposisi multi-pakaian muncul pada 2025–2026 untuk kombinasi yang lebih sederhana (atasan plus bawahan, gaun plus aksesori). Rendering setelan lengkap dengan kualitas fotorealistik adalah perkembangan tahun 2027–2028. Bagi pedagang fashion, fitur ini paling berharga untuk toko yang menjual set koordinasi atau memiliki pola pembelian 'shop the look' yang kuat, di mana melihat setelan lengkap dapat meningkatkan AOV sebesar 30–50% dibandingkan pembelian item tunggal.
Model tubuh konsumen persisten: pergeseran platform jangka menengah
Perkembangan jangka menengah yang paling signifikan secara komersial adalah model tubuh persisten: representasi digital dari tubuh pembeli yang mereka bangun sekali dan gunakan kembali di berbagai sesi belanja dan berbagai peritel. Alih-alih mengunggah foto baru setiap saat, model tubuh pembeli disimpan (dengan persetujuan mereka) dan berfungsi sebagai basis untuk setiap try-on. Ini secara dramatis menurunkan hambatan pengalaman try-on dan memungkinkan konsistensi ukuran antar peritel.
Implikasi model bisnisnya sangat signifikan. Entitas yang memegang model tubuh persisten konsumen memiliki keuntungan distribusi di setiap peritel yang terintegrasi dengan platform tersebut. Ini adalah dinamika 'winner-take-most', dan belum jelas pemain mana yang akan menempati posisi tersebut — produsen perangkat, sistem operasi, platform fashion khusus, atau salah satu platform e-commerce besar. Untuk saat ini, ini adalah item cakrawala strategis daripada operasional. Yang harus dilakukan pedagang hari ini adalah menerapkan try-on berbasis foto yang sudah memberikan ROI terbukti.