Kan AI bestemme den perfekte tøjstørrelse ud fra en række fotos ?

Nuværende AI-systemer kan estimere grundlæggende kropsmål ud fra enkeltstående fotos med moderat nøjagtighed, men de bestemmer endnu ikke ”perfekte” tøjstørrelser, der tager højde for stoffets fald, mærkespecifikke pasformregler eller individuelle komfortpræferencer. De fleste kommercielle værktøjer er afhængige af 2D-poseestimering og antropometriske modeller til at udlede højde, bryst, talje og hoftemål, hvilket typisk giver fejl på ±2–3 cm under kontrollerede forhold. Mere avancerede systemer kombinerer flere vinkler eller korte videoer for at reducere okklusion og forbedre volumetrisk rekonstruktion, men de leverer stadig statiske mål frem for en kurateret størrelsesanbefaling. Fuldt automatiseret ”perfekt pasform”-bestemmelse er stadig uden for rækkevidde, fordi det kræver realtidsintegration af materialeejendomme, brugerfeedback og detailist-specifikke graderingsstandarder. KILDE: McKinsey & Company — https://www.mckinsey.com/industries/retail/our-insights/notes-from-the-ai-frontier-modeling-the-impact-of-ai-on-the-world-economy

— Beriget 13. maj 2026

Background

Current AI systems estimate basic body measurements from single photos using 2D pose estimation and anthropometric models to infer height, bust, waist, and hip dimensions, achieving typical errors of ±2–3 cm in controlled settings (SOURCE: McKinsey & Company — https://www.mckinsey.com/industries/retail/our-insights/notes-from-the-ai-frontier-modeling-the-impact-of-ai-on-the-world-economy). More advanced pipelines combine multiple views or short videos to reduce occlusion and improve volumetric reconstruction, yet they still output static measurements rather than a curated size recommendation (SOURCE: McKinsey & Company). Fully automated “perfect fit” determination remains out of reach because it requires real-time integration of material properties, user feedback, and retailer-specific grading standards (SOURCE: McKinsey & Company).

AI clothing-size systems also face variability in pose, lighting, and clothing type; accurate estimation often depends on multiple photos from different angles, and results can still be unreliable (SOURCE: IEEE, enriched May 13, 2026).