Anii 1990: experimente la chioșcurile din mall-uri
Cele mai timpurii concepte documentate de cabină de probă virtuală au apărut în laboratoarele de cercetare în retail și în lucrările academice la începutul anilor 1990. Implementarea implica de obicei o cameră video, un afișaj în formă de oglindă și suprapuneri grafice bazate pe reguli care puteau suprapune o siluetă de îmbrăcăminte simplificată peste un flux video. IBM și câteva grupuri europene de retail au derulat instalații pilot limitate în magazine universale și chioșcuri din mall-uri între 1994 și 1999.
Aceste sisteme erau impracticabile din două motive: puterea de calcul necesară pentru procesarea video în timp real era costisitoare și echipamentele erau mari din punct de vedere fizic, iar calitatea graficii era mult sub pragul la care cumpărătorii ar fi considerat rezultatul credibil. Adoptarea a fost uniform scăzută. Proiectele au fost utile ca demonstrații că conceptul ar putea funcționa în principiu, dar tehnologia era la decenii distanță de viabilitatea comercială.
Anii 2010: momentul AR și al camerelor mobile
Proliferarea smartphone-urilor cu camere frontale și procesoare de semnal de imagine dedicate a creat prima platformă viabilă de probă AR pentru piața de masă. Snapchat Lens Studio, lansat în 2017, a democratizat crearea AR pentru față și a demonstrat că zeci de milioane de utilizatori ar interacționa cu experiențe de realitate augmentată în timp real atunci când latența este suficient de scăzută și calitatea redării este suficient de înaltă.
Brandurile de modă și beauty s-au mișcat rapid în acest spațiu. Brandurile de ochelari de soare au construit probe de tip lentilă pentru ochelari. Brandurile de cosmetice au oferit previzualizări în timp real pentru culoarea buzelor și nuanța fondului de ten prin AR. Aceste aplicații au funcționat bine deoarece necesitau urmărirea unei suprafețe relativ rigide — fața — care este o problemă mai ușor de gestionat decât urmărirea materialului textil pe un corp în mișcare. Până în 2019, proba AR era un instrument comercial dovedit pentru accesorii și beauty, dar încă în mare parte nedovedit pentru îmbrăcăminte.
2018–2020: prima generație de probă e-commerce
Primul val de produse e-commerce de probă virtuală — vizând specific îmbrăcămintea — a fost lansat între 2018 și 2020. Aceste produse foloseau de obicei o combinație de estimare a poziției corpului (estimarea poziției 3D a articulațiilor corpului dintr-o imagine 2D) și maparea texturilor pentru a aplica o textură de îmbrăcăminte 2D pe o siluetă corporală detectată. Rezultatele erau impresionante din punct de vedere tehnic, dar neconvingătoare vizual: marginile materialului erau prost definite, iluminarea era inconsistentă, iar articolele complexe precum jachetele stratificate sau rochiile vaporoase produceau artefacte.
Adoptarea comercială a fost limitată. Câteva startup-uri bine finanțate din acest spațiu fie s-au reorientat către fotografia de catalog B2B, fie s-au închis între 2020 și 2022. Problema fundamentală nu a fost puterea de calcul sau efortul de inginerie — capital substanțial a fost alocat pentru ambele — ci arhitectura modelului: abordările de mapare a texturilor nu puteau simula realist modul în care materialul se așează, se pliază și interacționează cu geometria corpului.
2022: inflexiunea AI generativ
Lansarea modelelor de difuzie latentă cu rezoluție suficientă și mecanisme de control — fundamentul tehnic al sistemelor de generare a imaginilor care au apărut proeminent în 2022 — a schimbat fundamental ceea ce era posibil pentru proba virtuală. În loc să mapeze textura unui articol pe un corp, modelele bazate pe difuzie puteau genera o imagine fotorealistă a unei persoane care poartă un articol de îmbrăcăminte, condiționată atât de fotografia persoanei, cât și de aspectul hainei. Drapajul materialului, interacțiunea luminii și ocluziunea corpului au apărut din procesul de generare, mai degrabă decât dintr-o simulare explicită.
Această schimbare arhitecturală este ceea ce a transformat proba de îmbrăcăminte bazată pe fotografii într-un produs comercial. Photta a lansat widget-ul său B2B alimentat de Nano Banana 2, un model de difuzie finisat optimizat pentru aplicații de modă și bijuterii, ca parte a acestei ere a AI-ului generativ. Calitatea redării a trecut pragul care generează rezultate comerciale reale: cumpărătorii au considerat rezultatele suficient de credibile pentru a lua decizii de achiziție pe baza lor, după cum o demonstrează datele privind conversia și rata de retur din cohorta de comercianți Photta.
2026: stadiul actual al tehnologiei
Începând cu 2026, proba virtuală bazată pe AI generativ este un produs comercial matur pentru îmbrăcăminte și bijuterii. Tehnologia oferă rezultate fotorealiste constante la o latență acceptabilă (8–15 secunde), se adaptează la cataloage de orice dimensiune fără costuri de producție per SKU și a acumulat suficiente date de implementare la comercianți pentru a susține benchmark-uri ROI fiabile. Întrebarea pentru un comerciant de modă în 2026 nu este „funcționează această tehnologie?”, ci „care implementare se potrivește catalogului meu și nivelului de trafic?”
Aplicațiile adiacente rămân mai timpurii în ciclul lor de dezvoltare. Proba de încălțăminte prezintă provocări specifice legate de geometria piciorului și redarea tălpii, pe care modelele de difuzie pentru îmbrăcăminte nu le abordează bine. Proba în format video — generarea unui clip scurt în loc de o imagine statică — este în dezvoltare activă, dar nu a atins încă pragul calității de redare pentru implementarea comercială la scară largă. Compoziția ținutelor cu mai multe articole (probarea simultană a unui top, a unui pantalon și a unui accesoriu) este o zonă de cercetare activă, cu primele implementări comerciale începând să apară în 2025–2026.