Kan AI avgöra perfekta klädstorlekar utifrån en serie foton ?

Nuvarande AI-system kan uppskatta grundläggande kroppsmått från enstaka foton med måttlig noggrannhet, men de fastställer ännu inte ”perfekta” klädstorlekar som tar hänsyn till tygets fall, varumärkesspecifika passformsregler eller individuella komfortpreferenser. De flesta kommersiella verktyg bygger på 2D-poseuppskattning och antropometriska modeller för att härleda längd, byst, midja och höftdimensioner, med typiska felmarginaler på ±2–3 cm i kontrollerade miljöer. Mer avancerade system kombinerar flera vyer eller korta videoklipp för att minska ocklusion och förbättra volymrekonstruktion, men de levererar fortfarande statiska mått snarare än en kuraterad storleksrekommendation. Fullt automatiserad ”perfekt passform”-bestämning ligger ännu utanför räckhåll eftersom det kräver realtidsintegration av materialegenskaper, användarfeedback och butiksspecifika graderingsstandarder. KÄLLA: McKinsey & Company — https://www.mckinsey.com/industries/retail/our-insights/notes-from-the-ai-frontier-modeling-the-impact-of-ai-on-the-world-economy

— Uppdaterad 13 maj 2026

AI kan uppskatta klädstorlekar från foton med varierande grad av noggrannhet, genom att använda datorseende och maskininlärningstekniker för att analysera kroppsmått och proportioner. Att fastställa den perfekta klädstorleken förblir dock en utmanande uppgift på grund av faktorer som pose, belysning och klädtyp. Nuvarande system kräver ofta flera foton från olika vinklar och kan ändå ge felaktiga resultat, vilket understryker behovet av ytterligare forskning och utveckling. Trots framsteg är det en pågående insats att uppnå hög noggrannhet och tillförlitlighet vid klädstorleksuppskattning från foton.

— Uppdaterad 13 maj 2026 · Källa: IEEE