ทศวรรษ 1990: การทดลองตู้คีออสในห้างสรรพสินค้า
แนวคิดห้องลองเสื้อผ้าเสมือนจริงที่เก่าแก่ที่สุดปรากฏในห้องปฏิบัติการวิจัยการค้าปลีกและเอกสารทางวิชาการในช่วงต้นทศวรรษ 1990 การใช้งานมักประกอบด้วยกล้อง จอแสดงผลรูปกระจก และการซ้อนทับกราฟิกตามกฎเกณฑ์ (rule-based) ที่สามารถซ้อนโครงร่างเสื้อผ้าแบบง่ายลงบนฟีดวิดีโอ IBM และกลุ่มผู้ค้าปลีกในยุโรปหลายกลุ่มได้ทดลองติดตั้งโครงการนำร่องในห้างสรรพสินค้าและตู้คีออสระหว่างปี 1994 ถึง 1999
ระบบเหล่านี้ใช้งานไม่ได้จริงด้วยเหตุผลสองประการ: พลังการประมวลผลที่จำเป็นสำหรับการประมวลผลวิดีโอแบบเรียลไทม์นั้นมีราคาแพงและมีขนาดใหญ่ และคุณภาพกราฟิกยังต่ำกว่าเกณฑ์ที่นักช้อปจะพบว่าผลลัพธ์นั้นน่าเชื่อถือ อัตราการใช้งานจึงต่ำอย่างต่อเนื่อง โครงการเหล่านี้มีประโยชน์ในการสาธิตว่าแนวคิดนี้สามารถทำงานได้ในหลักการ แต่เทคโนโลยีนี้ยังอยู่ห่างไกลจากความพร้อมในเชิงพาณิชย์อีกหลายทศวรรษ
ทศวรรษ 2010: ยุคสมัยของ AR และกล้องมือถือ
การแพร่หลายของสมาร์ทโฟนที่มีกล้องหน้าและตัวประมวลผลสัญญาณภาพโดยเฉพาะ ได้สร้างแพลตฟอร์มการลองเสื้อผ้าด้วย AR สำหรับตลาดมวลชนตัวแรก Lens Studio ของ Snapchat ซึ่งเปิดตัวในปี 2017 ทำให้การสร้าง AR บนใบหน้าเข้าถึงได้ง่ายขึ้น และแสดงให้เห็นว่าผู้ใช้หลายสิบล้านคนจะโต้ตอบกับประสบการณ์ Augmented Reality แบบเรียลไทม์หากความหน่วงต่ำพอและคุณภาพการเรนเดอร์สูงพอ
แบรนด์แฟชั่นและความงามขยับตัวเข้าสู่พื้นที่นี้อย่างรวดเร็ว แบรนด์แว่นตากันแดดสร้างระบบลองแว่นแบบเลนส์ แบรนด์เครื่องสำอางนำเสนอการดูตัวอย่างสีลิปสติกและเฉดสีรองพื้นแบบเรียลไทม์ผ่าน AR แอปพลิเคชันเหล่านี้ทำงานได้ดีเพราะต้องการการติดตามพื้นผิวที่ค่อนข้างคงที่ — คือใบหน้า — ซึ่งเป็นปัญหาที่จัดการได้ง่ายกว่าการติดตามผ้าที่พลิ้วไหวบนร่างกายที่กำลังเคลื่อนที่ ภายในปี 2019 การลองเสื้อผ้าด้วย AR เป็นเครื่องมือเชิงพาณิชย์ที่พิสูจน์แล้วสำหรับเครื่องประดับและความงาม แต่ส่วนใหญ่ยังไม่ได้รับการพิสูจน์สำหรับเครื่องแต่งกาย
2018–2020: การลองเสื้อผ้าอีคอมเมิร์ซยุคแรก
ระลอกแรกของผลิตภัณฑ์ลองเสื้อผ้าเสมือนจริงบนอีคอมเมิร์ซ — ที่มุ่งเน้นเครื่องแต่งกายโดยเฉพาะ — เปิดตัวระหว่างปี 2018 ถึง 2020 ผลิตภัณฑ์เหล่านี้มักใช้การผสมผสานระหว่างการคาดคะเนท่าทางของร่างกาย (การประมาณตำแหน่ง 3 มิติของข้อต่อร่างกายจากภาพ 2 มิติ) และการสร้างแผนที่พื้นผิว (texture mapping) เพื่อวางพื้นผิวเสื้อผ้า 2 มิติลงบนโครงร่างร่างกายที่ตรวจพบ ผลลัพธ์ที่ได้มีความน่าประทับใจทางเทคนิคแต่ยังดูไม่น่าเชื่อถือในทางสายตา: ขอบผ้าไม่ชัดเจน แสงไม่สอดคล้อง และเสื้อผ้าที่ซับซ้อน เช่น เสื้อตัวนอกที่มีหลายเลเยอร์หรือชุดที่พริ้วไหวทำให้เกิดข้อผิดพลาดในการแสดงผล
การนำไปใช้ในเชิงพาณิชย์มีอยู่อย่างจำกัด สตาร์ทอัพที่ได้รับเงินทุนจำนวนมากหลายรายในสาขานี้ได้เปลี่ยนไปทำภาพถ่ายแคตตาล็อกแบบ B2B หรือปิดตัวลงระหว่างปี 2020 ถึง 2022 ปัญหาพื้นฐานไม่ใช่เรื่องพลังการประมวลผลหรือความพยายามทางวิศวกรรม — มีการใช้เงินทุนมหาศาลกับทั้งสองอย่าง — แต่เป็นที่สถาปัตยกรรมของโมเดล: วิธีการสร้างแผนที่พื้นผิวไม่สามารถจำลองการทิ้งตัว การพับ และการมีปฏิสัมพันธ์ของผ้ากับรูปทรงของร่างกายได้อย่างสมจริง
2022: จุดเปลี่ยนของ Generative AI
การเปิดตัวโมเดล Latent Diffusion ที่มีความละเอียดและกลไกการควบคุมที่เพียงพอ — ซึ่งเป็นรากฐานทางเทคนิคของระบบสร้างภาพที่เกิดขึ้นอย่างโดดเด่นในปี 2022 — ได้เปลี่ยนความเป็นไปได้สำหรับการลองเสื้อผ้าเสมือนจริงในระดับพื้นฐาน แทนที่จะใช้การสร้างแผนที่พื้นผิวเสื้อผ้าลงบนร่างกาย โมเดลฐานการแพร่กระจาย (diffusion-based) สามารถสร้างภาพที่สมจริงของบุคคลที่สวมใส่เสื้อผ้า โดยอิงจากทั้งภาพถ่ายของบุคคลและลักษณะของเสื้อผ้า การทิ้งตัวของผ้า การตอบสนองต่อแสง และการถูกบังโดยส่วนประกอบร่างกาย ล้วนเกิดขึ้นจากกระบวนการสร้าง (generation) แทนที่จะมาจากการจำลองแบบชัดแจ้ง
การเปลี่ยนสถาปัตยกรรมนี้คือสิ่งที่ทำให้การลองเครื่องแต่งกายด้วยภาพถ่ายกลายเป็นผลิตภัณฑ์เชิงพาณิชย์ Photta ได้เปิดตัววิดเจ็ต B2B ที่ขับเคลื่อนโดย Nano Banana 2 ซึ่งเป็นโมเดล Diffusion ที่ได้รับการปรับแต่งอย่างละเอียดเพื่อรองรับการใช้งานด้านแฟชั่นและเครื่องประดับ โดยเป็นส่วนหนึ่งของยุค Generative AI นี้ คุณภาพการเรนเดอร์ก้าวข้ามเกณฑ์ที่ขับเคลื่อนผลลัพธ์เชิงพาณิชย์ได้จริง: นักช้อปพบว่าผลลัพธ์นั้นน่าเชื่อถือพอที่จะตัดสินใจซื้อ ซึ่งพิสูจน์ได้จากข้อมูล Conversion และอัตราการคืนสินค้าจากกลุ่มผู้ค้าของ Photta
2026: สถานะปัจจุบันของเทคโนโลยี
ในปี 2026 การลองเสื้อผ้าเสมือนจริงที่ใช้ Generative AI กลายเป็นผลิตภัณฑ์เชิงพาณิชย์ที่เติบโตเต็มที่สำหรับเครื่องแต่งกายและเครื่องประดับ เทคโนโลยีนี้ให้ผลลัพธ์ที่สมจริงอย่างต่อเนื่องในความหน่วงที่ยอมรับได้ (8–15 วินาที) ขยายขนาดเพื่อรองรับแคตตาล็อกทุกขนาดโดยไม่มีภาระการผลิตต่อ SKU และมีข้อมูลการใช้งานจากผู้ค้ามากพอที่จะสนับสนุนเกณฑ์ชี้วัด ROI ที่เชื่อถือได้ คำถามสำหรับผู้ค้าแฟชั่นในปี 2026 ไม่ใช่ 'เทคโนโลยีนี้ใช้ได้ผลหรือไม่' แต่เป็น 'การติดตั้งแบบใดที่เหมาะกับแคตตาล็อกและปริมาณทราฟฟิกของฉัน?'
แอปพลิเคชันใกล้เคียงยังคงอยู่ในช่วงเริ่มต้นของรอบการพัฒนา การลองรองเท้านำเสนอความท้าทายเฉพาะด้านเกี่ยวกับสรีระของเท้าและการเรนเดอร์พื้นรองเท้า ซึ่งโมเดล Diffusion สำหรับเสื้อผ้ายังจัดการได้ไม่ดีนัก การลองในรูปแบบวิดีโอ — การสร้างคลิปสั้นแทนภาพนิ่ง — อยู่ในระหว่างการพัฒนาอย่างต่อเนื่อง แต่ยังไม่ถึงเกณฑ์คุณภาพการเรนเดอร์สำหรับการใช้งานเชิงพาณิชย์ในวงกว้าง การจัดชุดเสื้อผ้าหลายชิ้น (ลองเสื้อ กางเกง และเครื่องประดับพร้อมกัน) เป็นสาขาการวิจัยที่มีความตื่นตัว โดยเริ่มมีการใช้งานเชิงพาณิชย์ในระยะเริ่มแรกปรากฏให้เห็นในปี 2025–2026