1990년대: 쇼핑몰 키오스크 실험
최초로 문서화된 가상 피팅룸 개념은 1990년대 초반 리테일 연구소와 학술 논문에 등장했습니다. 당시의 구현 방식은 대개 카메라, 거울 형태의 디스플레이, 그리고 비디오 피드 위에 단순화된 의류 실루엣을 덧씌우는 규칙 기반 그래픽 오버레이를 포함했습니다. IBM과 몇몇 유럽 리테일 그룹은 1994년에서 1999년 사이에 백화점과 쇼핑몰 키오스크에 제한적인 시범 설치를 운영했습니다.
이 시스템들은 두 가지 이유로 실용적이지 못했습니다. 실시간 비디오 처리에 필요한 연산 장치가 비싸고 물리적으로 컸으며, 그래픽 품질이 쇼핑객이 믿을 수 있다고 느낄 만한 임계값에 훨씬 못 미쳤습니다. 채택률은 일관되게 낮았습니다. 이 프로젝트들은 개념이 원칙적으로 작동할 수 있다는 시연으로서 유용했지만, 기술이 상업적 생존력을 갖추기까지는 수십 년이 더 필요했습니다.
2010년대: AR과 모바일 카메라의 시대
전면 카메라와 전용 이미지 신호 프로세서를 탑재한 스마트폰의 확산은 대중 시장을 겨냥한 최초의 실행 가능한 AR 시착 플랫폼을 만들었습니다. 2017년 출시된 스냅챗의 렌즈 스튜디오는 페이스 AR 제작을 대중화했으며, 지연 시간이 충분히 낮고 렌더링 품질이 높을 때 수천만 명의 사용자가 실시간 증강 현실 경험에 참여한다는 것을 증명했습니다.
패션 및 뷰티 브랜드들은 이 분야로 빠르게 이동했습니다. 선글라스 브랜드들은 안경용 렌즈 스타일 시착을 구축했습니다. 코스메틱 브랜드들은 AR을 통해 실시간 립 컬러 및 파운데이션 쉐이드 미리보기를 제공했습니다. 이러한 애플리케이션이 잘 작동한 이유는 상대적으로 고정된 표면인 '얼굴'을 추적해야 했기 때문인데, 이는 움직이는 몸 위의 드레이프된 직물을 추적하는 것보다 다루기 쉬운 문제였습니다. 2019년까지 AR 시착은 액세서리와 뷰티 분야에서 입증된 상업적 도구였으나, 의류 분야에서는 여전히 검증되지 않은 상태였습니다.
2018–2020: 1세대 이커머스 시착
의류를 타겟으로 한 1세대 이커머스 가상 시착 제품들이 2018년에서 2020년 사이에 출시되었습니다. 이러한 제품들은 대개 바디 포즈 추정(2D 이미지에서 신체 관절의 3D 위치 추정)과 텍스처 매핑 기술을 결합하여 감지된 신체 실루엣 위에 2D 의류 텍스처를 씌우는 방식을 사용했습니다. 결과물은 기술적으로는 인상적이었으나 시각적으로는 설득력이 부족했습니다. 원단의 끝부분 처리가 미흡했고, 조명이 일관되지 않았으며, 레이어드 아우터나 펄럭이는 드레스 같은 복잡한 의류는 그래픽 왜곡을 일으켰습니다.
상업적 채택은 제한적이었습니다. 이 분야의 여러 자금력이 풍부한 스타트업들은 2020년에서 2022년 사이에 B2B 카탈로그 촬영 서비스로 전환하거나 폐업했습니다. 근본적인 문제는 컴퓨팅 능력이나 엔지니어링 노력이 아니라(양쪽 모두에 상당한 자본이 투입되었습니다) 모델 아키텍처였습니다. 텍스처 매핑 방식은 원단이 어떻게 드레이프되고, 접히며, 신체 기하학과 상호작용하는지를 사실적으로 시뮬레이션할 수 없었습니다.
2022년: 생성형 AI의 변곡점
충분한 해상도와 제어 메커니즘을 갖춘 잠재 확산 모델(Latent Diffusion Models)의 출시(2022년에 두드러지게 등장한 이미지 생성 시스템의 기술적 토대)는 가상 시착의 가능성을 근본적으로 바꾸어 놓았습니다. 의류를 신체에 텍스처 매핑하는 대신, 확산 기반 모델은 사람의 사진과 의류의 외관 모두를 조건으로 하여 해당 의류를 착용한 사람의 실사 이미지를 생성할 수 있게 되었습니다. 원단의 드레이프, 조명 상호작용, 신체 가림 현상 모두가 명시적인 시뮬레이션이 아닌 생성 과정 자체에서 자연스럽게 도출되었습니다.
이 아키텍처의 전환이 사진 기반 의류 시착을 상업적 제품으로 만들었습니다. Photta는 패션 및 주얼리 애플리케이션에 최적화되고 정밀하게 조정된 확산 모델인 Nano Banana 2를 기반으로 한 B2B 위젯을 이 생성형 AI 시대의 일환으로 출시했습니다. 렌더링 품질은 실제 상업적 성과를 이끄는 임계값을 넘어섰습니다. Photta의 머천트 코호트에서 나타난 전환율 및 반품률 데이터가 입증하듯, 쇼핑객들은 결과물이 구매 결정을 내리기에 충분히 믿을만하다고 판단했습니다.
2026년: 기술의 현주소
2026년 현재, 생성형 AI 기반의 가상 시착은 의류 및 주얼리 분야에서 성숙한 상업적 제품입니다. 이 기술은 허용 가능한 지연 시간(8~15초) 내에 일관된 실사 품질의 결과를 제공하며, SKU당 제작 비용 없이 어떤 규모의 카탈로그로도 확장이 가능하고, 신뢰할 수 있는 ROI 벤치마크를 지원할 만큼 충분한 가맹점 배포 데이터를 축적했습니다. 2026년 패션 머천트에게 중요한 질문은 '이 기술이 작동하는가?'가 아니라 '어떤 구현 방식이 내 카탈로그와 트래픽 수준에 적합한가?'입니다.
인접 분야들은 여전히 개발 주기의 초기 단계에 머물러 있습니다. 신발 시착은 발의 기하학적 구조와 밑창 렌더링에 관한 특유의 과제가 있어 의류 확산 모델로는 잘 해결되지 않습니다. 비디오 형식의 시착(정지 영상이 아닌 짧은 클립 생성)은 활발히 개발 중이지만 아직 대규모 상업적 배포를 위한 렌더링 품질 임계값에는 도달하지 못했습니다. 다중 의류 조합(상외, 하의, 액세서리를 동시에 시착)은 활발한 연구 분야이며 2025~2026년에 초기 상업적 구현 사례가 나타나기 시작했습니다.