Istniejące rozwiązania „wirtualnych przymierzalni” oferują obejrzenie wybranego ubrania na sztucznie wygenerowanym modelu 3D, który jedynie przypomina naszą sylwetkę.

Zdecydowanie lepszym rozwiązaniem jest możliwość obejrzenia swojego rzeczywistego zdjęcia z przymierzonym ubraniem, które chcemy kupić. Zdjęcie tego produktu (np. bluzki, spodni) można przenieść na zdjęcie osoby wykonane nawet amatorskim aparatem (np. telefonem komórkowym).

Zagadnienie to prezentuje szereg problemów, takich jak dopasowanie kształtu produktu do sylwetki na zdjęciu amatorskim, zmiana jedynie wybranej części zdjęcia (np. bluzki), a nie wszystkich części garderoby, dokładne odwzorowanie detali – jak guziki czy mankiety – na zdjęciu docelowym, uwzględnienie różnic w oświetleniu. Dodatkowo, konieczne jest uzyskanie zdjęcia osoby przymierzającej ubranie, aby ułatwić jej podjęcie decyzji o zakupie. Proces przenoszenia ubrania na zdjęcie amatorskie powinien być w jak największym stopniu automatyczny i wymagający jak najmniejszej ilości informacji pobieranych od użytkownika końcowego.

Aby sprostać temu wyzwaniu używamy najnowszych osiągnięć w dziedzinie przetwarzania obrazów. Szczególnie dobre rezultaty dają techniki z dziedziny Deep Learning zwane ogólnie Generative Adversarial Networks (GAN). Sieci GAN są klasą algorytmów sztucznej inteligencji wykorzystywanych w nienadzorowanym uczeniu maszynowym, zaimplementowane poprzez system dwóch sieci neuronowych konkurujących ze sobą w ramach gry o sumie zerowej.

Technika ta może generować fotografie, które wyglądają bardzo realistycznie, a dodatkowo poprawiamy ich jakość używając technik detekcji obiektów i segmentacji sylwetki. Pozwala to na modyfikację jedynie wybranych części garderoby, a nie całego zdjęcia.