Cubaan maya video generatif: pergerakan dan drapery
Lanjutan logik daripada cubaan foto statik ialah klip video pendek yang menunjukkan pembeli memakai pakaian tersebut dalam pergerakan — berjalan, berpusing, atau memberi isyarat. Video membolehkan pembeli menilai bagaimana kain bergerak, bagaimana labuh kain jatuh semasa berjalan, dan bagaimana pakaian berstruktur mengekalkan bentuknya di bawah keadaan dinamik. Kumpulan penyelidikan di beberapa makmal AI menunjukkan versi awal pemindahan pakaian-pada-video pada 2024 dan 2025, dengan kualiti yang bertambah baik dengan cepat.
Ambang komersial untuk cubaan video memerlukan ketekalan temporal — pakaian mesti dipaparkan dengan betul merentasi setiap bingkai tanpa gangguan kerlipan atau herotan — yang merupakan masalah yang jauh lebih sukar daripada paparan bingkai tunggal. Menghasilkan klip 3 saat pada kualiti yang boleh diterima pada masa ini mengambil masa beberapa minit pada perkakasan mewah, berbanding 8–15 saat untuk satu imej. Anggaran munasabah untuk cubaan maya video pakaian gred komersial pada kependaman yang boleh diterima: 2028.
AR Langsung bertemu AI Generatif
Cubaan AR semasa (lapisan kamera masa nyata) dan cubaan AI semasa (paparan daripada foto statik) adalah set teknologi yang berasingan. Sintesis seterusnya ialah suapan kamera langsung yang diproses oleh model generatif dalam masa hampir nyata — menghapuskan had AR 'halakan kamera anda dan lihat lapisan 3D yang kaku' sambil mengekalkan kepantasan pengalaman langsung. Demonstrasi awal wujud sebagai prototaip penyelidikan, biasanya berjalan pada 2–5 bingkai sesaat pada perkakasan mudah alih setakat 2025.
Mencapai 30+ fps yang diperlukan untuk pengalaman cubaan langsung yang semula jadi memerlukan sama ada perkakasan inferens khusus (mungkin tidak akan menjadi standard dalam peranti pengguna sebelum 2028) atau penyelidikan pemampatan model yang agresif. Ini adalah perkembangan jangka sederhana yang munasabah tetapi tidak seharusnya dibentangkan sebagai sesuatu yang akan berlaku dalam masa terdekat. Nilai jangka pendek untuk peniaga kekal dalam paparan berasaskan foto statik, yang sudah pun memberikan hasil penukaran yang penting.
Ramalan padanan tanpa biometrik
Salah satu jurang yang berterusan dalam cubaan maya ialah ia boleh menunjukkan rupa pakaian tetapi bukan bagaimana ia padan — sama ada ia akan terlalu ketat di pinggang, terlalu panjang di lengan, atau terlalu pendek di bahagian badan untuk badan tertentu. Ramalan padanan memerlukan ukuran badan, yang diperoleh sistem semasa sama ada melalui pelaporan kendiri pengguna (tidak tepat) atau melalui pengimbasan badan 3D (tidak tersedia kepada kebanyakan pembeli dalam talian).
Penyelidikan mengenai inferens ukuran badan daripada satu foto 2D — menggunakan analisis siluet dan anggaran pose — telah mencapai kemajuan yang bermakna. Sistem yang boleh menganggarkan ukuran anggaran pembeli daripada swafoto dengan ketepatan 2–3 cm merentasi dimensi utama adalah realistik secara komersial dalam jendela 2027–2029. Apabila digabungkan dengan data ukuran pakaian berstruktur daripada jenama, ini akan membolehkan ramalan padanan tulen tanpa memerlukan pita ukur atau perkakasan khusus.
Komposisi persalinan pelbagai pakaian
Cubaan berasaskan foto semasa mengendalikan satu pakaian pada satu masa. Pembeli boleh melihat diri mereka dalam gaun tertentu atau jaket tertentu, tetapi bukan kedua-duanya bersama aksesori. Komposisi persalinan penuh — memaparkan baju, seluar/kain, lapisan luar, dan aksesori secara serentak pada foto yang sama — memerlukan penyelesaian oklusi dan interaksi antara pakaian, yang secara substansial lebih kompleks daripada paparan pakaian tunggal.
Pelaksanaan komersial awal komposisi pelbagai pakaian muncul pada 2025–2026 untuk kombinasi yang lebih mudah (baju ditambah seluar, gaun ditambah aksesori). Paparan persalinan penuh pada kualiti fotorealistik adalah perkembangan 2027–2028. Bagi peniaga fesyen, ciri ini paling berharga untuk kedai yang menjual set terselaras atau mempunyai corak pembelian 'beli gaya ini' yang kuat, di mana melihat persalinan lengkap boleh meningkatkan AOV sebanyak 30–50% berbanding pembelian item tunggal.
Model badan pengguna berterusan: anjakan platform jangka sederhana
Perkembangan jangka sederhana yang paling signifikan secara komersial ialah model badan berterusan: representasi digital badan pembeli yang mereka bina sekali dan guna semula merentasi pelbagai sesi membeli-belah dan pelbagai peruncit. Daripada memuat naik foto baharu setiap kali, model badan pembeli disimpan (dengan persetujuan mereka) dan berfungsi sebagai asas untuk setiap cubaan. Ini mengurangkan geseran pengalaman cubaan secara drastik dan membolehkan ketekalan padanan merentasi peruncit.
Implikasi model perniagaan adalah signifikan. Entiti yang memegang model badan berterusan pengguna mempunyai kelebihan pengedaran merentasi setiap peruncit yang menyepadukan dengan platform tersebut. Ini adalah dinamik 'pemenang mengambil hampir semua', dan belum jelas pemain mana yang akan menduduki kedudukan itu — pengeluar peranti, sistem pengendalian, platform fesyen khusus, atau salah satu platform e-dagang utama. Buat masa ini, ini adalah item ufuk strategik dan bukannya item operasi. Apa yang harus diambil tindakan oleh peniaga hari ini adalah melaksanakan cubaan berasaskan foto yang sudah pun memberikan ROI yang terbukti.