1990-е: эксперименты в торговых центрах
Первые задокументированные концепции виртуальных примерочных появились в исследовательских лабораториях ритейла и научных работах в начале 1990-х. Реализация обычно включала камеру, дисплей в форме зеркала и графические наложения на базе правил, которые могли накладывать упрощенный силуэт одежды на видеопоток. IBM и несколько европейских ритейл-групп проводили ограниченные пилотные запуски в универмагах и киосках ТЦ в период с 1994 по 1999 год.
Эти системы были непрактичны по двум причинам: вычислительные мощности для обработки видео в реальном времени были дорогими и громоздкими, а качество графики было намного ниже порога, при котором покупатели сочли бы результат достоверным. Внедрение было повсеместно низким. Проекты послужили доказательством того, что концепция может работать в принципе, но технология была в десятилетиях от коммерческой реализации.
2010-е: эпоха AR и мобильных камер
Распространение смартфонов с фронтальными камерами и выделенными процессорами обработки изображений создало первую жизнеспособную платформу для массовой AR-примерки. Lens Studio от Snapchat, запущенная в 2017 году, демократизировала создание AR для лиц и доказала, что десятки миллионов пользователей готовы взаимодействовать с дополненной реальностью в реальном времени, если задержка достаточно низка, а качество рендеринга высоко.
Fashion- и beauty-бренды быстро освоили это пространство. Производители очков создавали примерку в стиле линз. Косметические бренды предлагали предпросмотр оттенков помады и тонального крема в реальном времени через AR. Эти приложения работали хорошо, потому что требовали отслеживания относительно жесткой поверхности — лица, что является гораздо более простой задачей, чем отслеживание драпирующейся ткани на движущемся теле. К 2019 году AR-примерка стала проверенным коммерческим инструментом для аксессуаров и косметики, но всё еще оставалась неэффективной для одежды.
2018–2020: первое поколение примерки в e-commerce
Первая волна продуктов для виртуальной примерки в электронной коммерции — ориентированных именно на одежду — была запущена в период с 2018 по 2020 год. Эти продукты обычно использовали комбинацию оценки позы тела (определение 3D-положения суставов по 2D-изображению) и наложения текстур для «натягивания» 2D-текстуры одежды на обнаруженный силуэт тела. Результаты были впечатляющими с технической точки зрения, но визуально неубедительными: края ткани были плохо проработаны, освещение было непоследовательным, а сложные вещи, такие как многослойная верхняя одежда или струящиеся платья, создавали артефакты.
Коммерческое внедрение было ограниченным. Несколько хорошо финансируемых стартапов в этой сфере либо перешли на B2B-фотографию для каталогов, либо закрылись в период с 2020 по 2022 год. Фундаментальная проблема заключалась не в вычислительных мощностях или инженерных усилиях — на то и другое был выделен значительный капитал, — а в архитектуре моделей: подходы с наложением текстур не могли реалистично имитировать то, как ткань драпируется, складывается и взаимодействует с геометрией тела.
2022: прорыв генеративного ИИ
Выпуск латентных диффузионных моделей с достаточным разрешением и механизмами контроля — технической основы систем генерации изображений, ярко проявившихся в 2022 году — фундаментально изменил возможности виртуальной примерки. Вместо наложения текстуры на тело, диффузионные модели смогли генерировать фотореалистичное изображение человека в одежде, опираясь как на фото человека, так и на внешний вид изделия. Драпировка ткани, игра света и перекрытия тела — всё это возникало в процессе генерации, а не из явной симуляции.
Этот архитектурный сдвиг сделал фото-примерку одежды коммерческим продуктом. Photta запустил свой B2B-виджет на базе Nano Banana 2, дообученной диффузионной модели, оптимизированной для моды и ювелирных изделий, именно в эту эпоху генеративного ИИ. Качество рендеринга преодолело порог, влияющий на реальные бизнес-показатели: покупатели сочли результаты достаточно правдоподобными, чтобы принимать решения о покупке, что подтверждается данными о конверсии и возвратах в группе мерчантов Photta.
2026: текущее состояние технологии
По состоянию на 2026 год виртуальная примерка на базе генеративного ИИ является зрелым коммерческим продуктом для одежды и ювелирных изделий. Технология обеспечивает стабильные фотореалистичные результаты с приемлемой задержкой (8–15 секунд), масштабируется на каталоги любого размера без затрат на производство каждого отдельного SKU и накопила достаточно данных о внедрении для подтверждения показателей окупаемости (ROI). Для fashion-ритейлера в 2026 году вопрос стоит не «работает ли это?», а «какая реализация подходит моему каталогу и объему трафика?»
Смежные области всё еще находятся на более ранних стадиях развития. Примерка обуви сопряжена со специфическими трудностями, связанными с геометрией стопы и рендерингом подошвы, которые модели для одежды решают не лучшим образом. Примерка в видеоформате — генерация короткого ролика вместо статического изображения — находится в активной разработке, но еще не достигла порога качества для массового коммерческого использования. Составление образов из нескольких вещей (одновременная примерка верха, низа и аксессуара) является активной областью исследований, первые коммерческие внедрения которой начали появляться в 2025–2026 годах.