不管每年双十一、双十二的交易额如何如火如荼，只要是涉及到网上购买服装，都免不了因为尺码不符或实际上身效果不佳而退货。

如果可以网上试衣就好了，既能提高用户的购物满意度，又能降低退货率。

小米 12月14日获得“虚拟试穿的方法及装置”专利授权，企查查专利摘要显示，该公开技术方案可以将虚拟服饰精准地叠加到人体图像上。

虚拟试衣简介

虚拟试衣不能算是个新兴概念，起码2012年天猫在年度庆典时就曾经尝试过类似概念。

服装业以及电商很早就着手研发AR技术在试衣方面的应用并期望获得更好的附加值。

虚拟试衣通常有两种方式，虚拟试衣拍照系统和3D建模智能试衣镜。

虚拟试衣拍照系统通过选择性别、年龄、上传照片搭建虚拟人像，有些App还新增了更换发型和合影功能，可以根据个人喜好进一步挑选发型、肤色以及妆容，之后就可以挑选素材库里的衣物进行搭配组合了。

最后通过照片的合成，完成衣物叠加在虚拟人像上模拟实际穿着的效果，完成试衣体验。

这种跟曾经天猫和淘宝推出的虚拟试衣功能很像，头像和衣物的合成更类似于像QQ秀这样的换装游戏。

3D建模虚拟试衣则需要站在专门的智能试衣镜前，智能镜就能通过AI人脸识别和身材识别在镜中生成一个虚拟的用户形象，在采集数据的过程中，用户也可以手动输入关键身材数据，达到更精细的人物创建。

智能试衣镜内存储有经过3D扫描的衣物素材，由3D建模进入素材库的服饰素材在虚拟人物穿着上身时较为自然，可以把衣物的曲线和褶皱都能展现出来。

用户可以通过选择不同的服饰素材进行服装搭配选择，还可以通过相片保存和一键分享功能分享给好友或家人。

优缺点

虚拟试衣能够节省消费者排队换装的时间、优化购物体验，而试穿数据也有助于更好的理解客户需求。

智能试衣镜几秒内就能通过传感器生成用户的虚拟形象，两三分钟就能让人完成一百多套当季新款服饰的试穿体验，这是以往抱一堆衣物在狭窄的试衣间内完成繁琐的脱换试穿所无法想象的。

通过图像视觉技术和海量时尚数据的构建，虚拟试衣系统不但可以完成毫秒级别的复杂场景中多姿态服饰的精准检测，还可以根据人体数据模型给出推荐和搭配意见，让用户可以更高效地浏览并试穿适合自己的店内商品，进一步提升转化率和坪效。

同时还兼具店外广告的功效，换装的效果可以吸引用户驻足停留体验，甚至转化创造新的购买机会。

据使用过虚拟换衣的商家提供的数据可知，虚拟换衣帮助用户平均换衣50件以上，连单率为3．6件，相对于25％的淘宝平均退货率，使用虚拟试衣后退货率降到了16％。

通俗点说虚拟换衣就是想通过对用户浏览和试穿效率的提升，达到试的越多，买的越多的目的。

从缺点上来看，虚拟人物难以完全地还原出真人的身姿体态，与实时人物形象的贴合度不够，同时衣物实际上身时的色差、悬垂效果不到位也会影响用户的体验，容易导致用户的代入感差，当然这点可以在今后的技术升级中获得逐步的完善。

另外衣物服饰3D建模的成本较大，服装店每季甚至每月的上新都很频繁，普通店铺对衣物在虚拟试衣设备中的上新成本会有较大负担，这个问题也限制了行业整体的发展。

在个人隐私意识越来越强的当下，有些用户对3D建模所采集的个人体型数据比较敏感，顾虑重重，一些用户抱着没必要泄露个人隐私的想法还是选择了在实体商场试衣间门口排队。

最后最为关键的是衣服的材料质感，上身的舒适程度是无法通过虚拟试衣获得的，这一点就目前而言几乎无解。

所以仍有较多的消费者会选择去线下门店试好心仪的衣物款式和尺寸，然后回到线上品牌旗舰店领好折扣券下单。

以目前的技术来看通过虚拟试衣来替代线下试衣间还是不切实际的，但如今疫情的反复可能会给虚拟试衣产业带来不错的机遇，对于一些因为地区安全无法实现线下购物的消费者来说，通过三维数字扫描在家试衣不失为一种更安全的替代方案。

同样，通过虚拟试衣让用户获得更丰富的购买体验也许是线下门店的另一条突围思路。

图源：企查查官网、AIFashion官网、每日换新App、B站＠Style3D、Google