Генеративная видеопримерка: движение и драпировка
Логическим продолжением статической примерки по фото является короткий видеоклип, показывающий покупателя в одежде в движении: при ходьбе, поворотах или жестикуляции. Видео позволяет покупателям оценить, как движется ткань, как ложится подол при ходьбе и как структурированные изделия сохраняют свою форму в динамических условиях. Исследовательские группы в нескольких ИИ-лабораториях продемонстрировали ранние версии переноса одежды на видео в 2024 и 2025 годах, и качество быстро улучшается.
Коммерческий порог для видеопримерки требует временной стабильности — одежда должна корректно отображаться в каждом кадре без мерцания или артефактов деформации, что является значительно более сложной задачей, чем рендеринг одного кадра. Генерация 3-секундного ролика приемлемого качества в настоящее время занимает минуты на высокопроизводительном оборудовании, по сравнению с 8–15 секундами для одного изображения. Обоснованная оценка появления видеопримерки коммерческого уровня с приемлемой задержкой: 2028 год.
Живая AR встречается с генеративным ИИ
Текущая AR-примерка (наложение в камере в реальном времени) и текущая ИИ-примерка (рендер по статической фотографии) — это разные стеки технологий. Следующий этап синтеза — живой видеопоток из камеры, обрабатываемый генеративной моделью практически в реальном времени. Это устраняет ограничение AR «наведи камеру и увидишь жесткое 3D-наложение», сохраняя при этом эффект присутствия. Ранние демонстрации существуют в виде исследовательских прототипов, работающих со скоростью 2–5 кадров в секунду на мобильном оборудовании по состоянию на 2025 год.
Достижение скорости 30+ кадров в секунду, необходимой для естественной живой примерки, требует либо специализированного оборудования для инференса (которое вряд ли станет стандартом в потребительских устройствах до 2028 года), либо агрессивных исследований в области сжатия моделей. Это вероятное среднесрочное развитие, но его не стоит представлять как неизбежное в ближайшее время. Ближайшая ценность для ритейлеров по-прежнему заключается в статическом рендеринге на основе фото, который уже обеспечивает важные показатели конверсии.
Прогнозирование посадки без биометрии
Один из постоянных пробелов в виртуальной примерке заключается в том, что она может показать, как вещь выглядит, но не то, как она сидит — не будет ли она слишком тугой в талии, слишком длинной в рукавах или слишком короткой в торсе для конкретного тела. Прогнозирование посадки требует измерений тела, которые текущие системы получают либо через самоотчеты пользователей (неточно), либо через 3D-сканирование тела (недоступно большинству онлайн-покупателей).
Исследования по определению параметров тела по одной 2D-фотографии — с использованием анализа силуэта и оценки позы — достигли значительного прогресса. Системы, способные оценить приблизительные мерки покупателя по селфи с точностью до 2–3 см по ключевым параметрам, станут коммерчески реалистичными в период 2027–2029 годов. В сочетании со структурированными данными о замерах одежды от брендов это позволит осуществлять подлинное прогнозирование посадки без использования измерительной ленты или специального оборудования.
Составление образов из нескольких вещей
Текущая примерка на основе фото обрабатывает одну вещь за раз. Покупатель может увидеть себя в конкретном платье или конкретном жакете, но не в обоих сразу с аксессуаром. Полное составление образа — одновременный рендеринг верха, низа, верхнего слоя и аксессуара на одном фото — требует решения проблемы перекрытия и взаимодействия предметов одежды, что существенно сложнее, чем рендеринг одного изделия.
Первые коммерческие реализации многослойных образов появились в 2025–2026 годах для простых комбинаций (верх и низ, платье и аксессуар). Рендеринг полного набора вещей в фотореалистичном качестве — это разработка 2027–2028 годов. Для fashion-ритейлеров эта функция наиболее ценна в магазинах, продающих готовые комплекты или имеющих выраженную модель покупки «shop the look», где возможность увидеть полный образ может повысить AOV на 30–50% по сравнению с покупкой отдельных товаров.
Постоянные модели тела: сдвиг платформы в среднесрочной перспективе
Наиболее коммерчески значимым событием в среднесрочной перспективе является постоянная модель тела: цифровое представление тела покупателя, которое он создает один раз и повторно использует в разных сессиях и у разных ритейлеров. Вместо того чтобы каждый раз загружать новое фото, модель тела покупателя сохраняется (с его согласия) и служит основой для каждой примерки. Это резко снижает барьеры при использовании примерочной и обеспечивает единство посадки у разных продавцов.
Последствия для бизнес-модели значительны. Субъект, владеющий постоянной моделью тела потребителя, имеет преимущество в дистрибуции среди всех ритейлеров, интегрированных с платформой. Это динамика «победитель получает почти все», и пока неясно, кто займет эту позицию — производитель устройств, операционная система, специализированная fashion-платформа или одна из крупнейших e-commerce площадок. На данный момент это стратегический горизонт, а не операционный. То, что ритейлеры должны делать сегодня, — это внедрять примерку по фото, которая уже приносит доказанный возврат инвестиций (ROI).