什么是虚拟试穿？背后的三种技术路线

虚拟试穿到底指什么

一套虚拟试穿系统接收两个输入——关于你的表示（实时摄像头画面、一张自拍，或一份人体扫描）和关于商品的表示（3D 资产、一张平铺商品图，或数字版型）——然后返回一张「你穿着它」的合成结果。定义就这么多，其余都是实现方式的差别。

有必要把试穿和电商常常摆在它旁边的另一个功能分开：尺码推荐。尺码推荐输出的是一个字母或数字（「和你身材接近的人在这个品牌通常穿 M」），依据是你填的身高体重、你过往的下单与退货记录，或一次人体扫描。它不画图。试穿画图，而且绝大多数实现根本不输出尺码。两者回答的是不同的问题，把它们混为一谈，是这个品类最常见的误读。

三种技术路线横向对照

AR 实时叠加：成熟的那一条

实时 AR 试戴是最老也最可靠的一支，因为它底下那个计算机视觉难题——稠密人脸追踪——早就是白菜技术了。手机锁定一张面部网格（Apple ARKit 和 Google ARCore 都提供，MediaPipe 带火的 468 点网格是开源等价物），商品逐帧画在这张网格上。欧莱雅的 ModiFace、各大眼镜站上的试戴功能，都是这套东西的不同版本。不用旗舰机也能跑到视频帧率——ARCore 的支持机型清单里至今还留着 2010 年代末的手机。

它之所以成立，是因为这些商品在几何上足够简单。眼镜是刚体，唯一的问题是镜框宽度配不配你的脸宽——而这确实是追踪器能量出来的真实尺寸。口红和眼影是涂在稳定面部区域上的薄膜，没有物理需要仿真。剩下的误差不在形状，在颜色：一个色号看起来什么样，取决于你没校准的屏幕、你所处房间的色温，以及相机悄悄做的自动白平衡。任何诚实的美妆 AR 都是「形状与位置准确、色号近似」的预览——所以试色卡和退换货政策照样存在。

2D 图像合成：跑得最快的那一条

生成式这一支干脆绕开 3D。你给模型一张人像和一张衣服图，它直接产出一张这个人穿着这件衣服的新照片。Google 商品搜索里的试穿是参照实现，底子是它自己的 TryOnDiffusion 研究：两个扩散 U-Net，一个读衣服一个读人，通过交叉注意力互通信息，让布料落下来时带着可信的褶皱、贴合和阴影，而不是像贴纸一样糊上去。Google 上线时配的是约 80 位真人模特，尺码从 XXS 到 4XL，并按 Monk 肤色量表挑选体型、发质与肤色——这是对该品类模特库长期过窄的一次刻意纠偏。

正是这条路线让服装试穿变得可用，ReelWand 的 自拍试穿 走的也是它。它在垂坠、颜色、比例，以及「这个廓形配不配我」这类问题上表现很好。但凡有精细结构的地方它就不稳：印刷文字会扭、logo 会糊、门襟纽扣会位移，具体的裙长落在模型认为该落的位置，而不是它在你身上真正会落的位置。而根本的限制不是分辨率，是范畴——输出是一张图。图里没有尺寸，所以无论看起来多真，它都告诉不了你该穿几码。

3D 人体建模：准，但没人愿意用

第三条路线真的去建一个 3D 人体——用扫描舱、深度传感器，或者（越来越多地）两张手机照片加姿态估计模型——再把数字衣片放上去跑布料仿真：弹性、克重、硬挺度、缝份。这是唯一能产出打版师用得上的数字的一支。做扫描的厂商公布的精度大致在 96–97%（对比卷尺实测，两张照片即可）；这类数据要当作厂商自报、而非第三方审计来看，但方向是对的——手机测量已经够用于定制衬衫和制服项目了。

它的问题在人，不在技术。让一个正在逛的人换上贴身衣服、站到白墙前、自拍两张，这是一道转化悬崖；而返回来的虚拟人往往卡在恐怖谷里——身材认得出是你，人认不出是你。所以这项技术多半活在看不见的地方：扫描结果喂给尺码推荐，消费者从头到尾没见过那个网格。

今天哪些品类是真能用的

• 眼镜——可信。刚体几何、真的在量脸宽、没有布料要仿真。是这个品类里最接近「已解决」的一格。
• 美妆——形状可信，色号近似。位置、遮盖力和妆感是准的；具体颜色取决于你的屏幕和光线。妆容预览 能告诉你切割眼影配不配你的眼型，但告诉不了你这支具体色号衬不衬你的肤调。
• 首饰、手表、美甲——可靠。小、刚性、追踪稳，主要变量是比例，靠手腕或手掌做参照就能解决。
• 纹身和发型——可靠，因为根本没有尺码表。位置和大小就是全部问题，生成式合成两样都拿得下。纹身试贴 和 发型镜 属于这一格。
• 服装——看样子有用，定尺码不行。廓形、颜色、比例、搭配：可以。这个品牌的 M 码胸围会不会绷：不行。
• 鞋——最难。脚长脚宽本身就是问题所在，而从摄像头估计脚，比估计脸难得多。AR 试鞋是个造型玩具，尺码还是得看尺码表。

零售侧真正拿到了什么

商业论证几乎都被包装成「降退货」，而这个说法只对了一半。按 NRF 的口径，线上销售整体退货率大约在两成上下；服装明显高于这条线，行业基准常被引在 24–30% 这一档，个别品牌更高。尺码与合身在每一份值得看的调研里都排在退货原因首位，但具体比例随问法浮动很大：Narvar 2025 年的消费者调研把 42% 的「最近一次退货」归因于尺码与合身，而只统计服装的研究会把这个数字推过一半。剩下的是「和我想的不一样」「颜色不对」「改主意了」，加上如今已经常态化的多码囤单：故意一次买两三个码，留一个退其余。

把这张原因分布图和技术对上，分工其实很清楚。试穿正面打击的是「和我想的不一样」和「颜色不对」这两桶——真实存在、也确实费钱，但都不是最大的那桶。它几乎碰不到合身那一桶；而且如果买家看到一张好看的渲染图、转头照样保险起见多买一码，它甚至可能加剧囤单。那些声称降低 20–40% 退货率的厂商案例是自报数据，而且极少控制一个显而易见的选择偏差：会去点试穿控件的人，本来就比不点的人更靠近购买决策。把这些数字当作有方向性的营销材料，而不是测量结果。能稳定观察到的收益要软一些，但同样值钱——商品页停留时间更长、加购率更高、售前关于「上身效果」的咨询更少。

信这张图之前该知道的几条局限

• 尺码不等于版型。两个品牌的 M 码上衣，胸围可以差好几厘米。虚荣尺码让这个字母几乎不携带跨品牌信息，而渲染引擎补不回它从未被告知的东西。
• 布料属性在商品图里是看不见的。弹性、克重、垂坠硬挺度、有没有里衬，共同决定衣服怎么落；而这些没有一样能从一张平铺图里还原出来。合成模型只能从训练数据里长得像的衣服那里推断，那是一次伪装成照片的猜测。
• 代表性缺口是真实且可测的。试穿质量长期以来对训练数据里占主导的体型、肤色和发质最好。Google 按 Monk 肤色量表选角、并公布 XXS–4XL 的模特阵容，是对这个缺口的回应，不是花活——而且放眼整个行业，这仍是例外而非常态。
• 最先崩掉的是细节。标语 T 恤、品牌 logo、撞色明线、五金和小面积印花，正是 2D 合成肉眼可见翻车的地方。如果你想买它就是冲着这个细节，那就回商品图上核对。
• 脸和身体属于生物识别信息。在美国，试穿功能已经因各州生物识别隐私法（尤以伊利诺伊州 BIPA 为代表）引发过诉讼。上传之前，问一句这张图会被怎么处理、留多久，是完全合理的。

拿你自己的自拍试一次

ReelWand 的 自拍试穿 属于 2D 合成这一类，我们宁愿把这意味着什么说清楚。上传一张自拍——不用全身照、不用扫描、不用进试衣间——描述你想穿的那件，它会渲染出一个照片级的你穿着它：脸、肤色和身材比例保持不变，袖长、下摆和垂坠被重新「裁」过，让布料按该有的方式落下，而不是像贴纸一样贴在你身上。对「这看起来像不像我」这个问题，它是真的有用。但它回答不了「我该下哪个码」，我们也不会假装它能：请去看尺码表。

同一套合成能力撑起了整个试穿家族——妆容工作室 在你自己的皮肤上试一整套妆，纹身试贴 在你约到师傅之前先看位置和大小，还有 美甲工作室 和 发型镜，用来对付那个你一直在犹豫的发型或发色。如果你站在卖货这一侧而不是买货这一侧，对应的目录侧工具是 模特上身工作室：把你的衣服穿到模特身上，而不是把衣服穿到顾客身上——模特上身摄影 讲了它在商品图流程里怎么用。

不注册也能先试一张：访客每个 IP 每天 1 张免费出图，带水印。注册免费账号再送一次性 8 积分——按默认 Seedream 模型每张 4 积分算，就是 2 张图，用完不再补。付费从每月 400 积分起，去掉水印。