Die meisten KI-Anprobe-Tools lösen die Pose. Das schwierigere Problem sind Länge, Fall und Proportionen — ob ein Midirock midi bleibt, ob ein Oversized-Hemd noch oversized wirkt, ob ein bodenlanger Saum überhaupt im Bild ist. Diese Seite erklärt, was GridShot dagegen tut, und was es nicht kann.
1 $ pro veröffentlichtem Bild · kein Abo · 10 $ Startguthaben
Nicht weil die Bilder schlecht aussehen. Sondern weil sie plausibel aussehen.
Wenn ein Bildmodell einen Midirock auf Kniehöhe rendert, weist nichts im Bild auf den Fehler hin. Das Licht stimmt, die Pose stimmt, der Stoff stimmt. Es merkt nur, wer das Produkt kennt — meistens die Kundin, nach der Lieferung.
Ein generatives Modell hat weit mehr mittellange Teile in Regular-Fit gesehen als bodenlange oder bewusst oversized geschnittene. Ohne Anweisung pendelt es sich in dieser Mitte ein: Oversized kommt als Regular zurück, Cropped als Standard, und ein Saum, der auf dem Boden aufliegen soll, endet ordentlich am Knöchel.
Flatlay- und Ghost-Mannequin-Fotos transportieren Farbe, Print und Verarbeitung zuverlässig. Was sie nicht transportieren, ist der Fall am Körper. Ist das die einzige Referenz, wird der Fall nicht übertragen — er wird erfunden.
GridShot löst Länge und Passform pro Produkt über eine feste Reihenfolge von Quellen auf. Die erste Quelle mit einer Antwort gewinnt.
Optionale Felder pro Produkt — Länge, Passform und ein freier Passform-Hinweis — die Sie selbst in der App setzen oder aus einem Shop-Import übernehmen. Keine Analyse schreibt jemals hinein. Sind sie gesetzt, überschreiben sie alles darunter.
Wenn Sie ein Foto des Kleidungsstücks am Körper hochgeladen haben, liest die Bildanalyse die Proportionen aus genau diesem Foto: wie lang es tatsächlich fällt, wie es drapiert, wo der Saum endet. Evidenz aus einem echten Foto schlägt die Deutung eines Flatlays.
Länge und Passform, beim Upload automatisch aus Ihren Produktfotos erkannt. Als Standardwert brauchbar — und oft genug falsch, dass es die beiden Quellen darüber gibt.
Hat keine Quelle eine Antwort, wird gar keine Proportionsregel gesetzt. Das System erfindet keine, um die Lücke zu füllen — ein leeres Feld gilt als unbekannt, nicht als „regular".
Auch die Formulierung richtet sich nach der Quelle: Ein Wert, den Sie gesetzt haben, wird als Regel weitergegeben, die nicht normalisiert werden darf; ein automatisch erkannter Wert als starkes Erhaltungssignal. Ein falscher markeneigener Wert ist schlimmer als gar keiner — deshalb füllt diese Felder niemand außer Ihnen.
Sechs Mechanismen, allesamt Vorgaben an das Bildmodell während der Generierung — keine Filter, die hinterher greifen.
Die aufgelöste Länge, Passform, Silhouette und das Saumverhalten hängen als ausdrückliche Erhaltungsregeln am Generierungs-Request: Das ist die beabsichtigte Länge, sie darf nicht gekürzt oder verlängert werden; diese Passform ist gewollt, kein Fehler. Ohne das sind Proportionen nur durch das Referenzfoto impliziert — und genau Impliziertes driftet.
Die markeneigenen Felder für Länge und Passform nehmen Werte aus einer festen Liste, dazu ein freies Notizfeld für alles, was eine Liste nicht abbildet. Kein automatischer Schritt schreibt hinein, ein gesetzter Wert bleibt also gesetzt. Werte aus einem angebundenen Shop zählen ebenfalls als Marken-Wahrheit, denn ein Shop-Feld hat ein Mensch gepflegt und kein Modell geraten.
Perspektiven, die als getragen markiert sind — von vorn, von hinten, seitlich oder gestylt — werden als Passform-Referenz erkannt statt als weitere Produktansicht. Sie werden unter den Bildern, die an das Modell gehen, bevorzugt und als das beschrieben, was sie sind: Das zeigt, wie dieses Teil getragen sitzt, also Länge, Fall, Silhouette und das Ende von Säumen und Bündchen übernehmen. Das gilt auch für Einzelaufnahmen, nicht nur für Grids.
Auf einer getragenen Referenz ist fast immer eine andere Person zu sehen als das gewählte Model. Der Request sagt das ausdrücklich: diese Person vollständig ignorieren — Gesicht, Haare, Hautton, Körper — und ebenso jedes andere Kleidungsstück, das sie trägt; nur dieses eine Teil übernehmen, und davon nur Passform, Länge, Fall, Silhouette und Proportionen. Die Person im Ergebnis ist immer Ihr Model.
Ein Saum, der aus dem Bild fällt, lässt sich nicht beurteilen. Bodenlange und extra lange Teile, Säume die aufliegen oder das Schuhwerk überdecken, und jedes Outfit mit Schuhen erzwingen einen Ausschnitt von Kopf bis Fuß — damit der kaufentscheidende Teil des Kleidungsstücks im Bild liegt und nicht unter dessen Unterkante.
Über normale Produktansichten hinaus lassen sich eigene Kontextbilder hinterlegen: eine Passform-Referenz, ein Material-Swatch, eine Detailaufnahme, eine Farbreferenz — wobei die Passform-Referenz Vorrang hat. Ein Generierungs-Request trägt nur eine begrenzte Zahl Bilder, deshalb werden sie bei Überhang über die Kleidungsstücke verteilt, statt dass ein Teil das Budget aufbraucht: Jedes Kleidungsstück behält seine Passform-Referenz, bevor irgendeines ein zweites Bild bekommt.
Passform-Genauigkeit ist kein Feature eines einzelnen Workflows. Alle fünf Try-On-Pfade laufen hindurch.
Das wiegt schwerer, als es klingt. Konsistenz, die für das erste Bild hält und beim Verfeinern eines Grids oder beim Korrigieren eines Details bricht, ist keine Konsistenz — sie ist ein guter erster Eindruck.
Überblick Virtual Try-OnDie Fehlermodi sollte man vor dem Veröffentlichen kennen, nicht danach.
In diesem System gibt es keine Größentabellen, keine Körpermaße und keine Zentimeter. Passform-Genauigkeit heißt hier: Das generierte Foto bleibt den Proportionen treu, die Ihr eigenes Referenzmaterial zeigt. Es ist keine Passform-Vorhersage, keine Größenempfehlung und ersetzt die Größentabelle auf Ihrer Produktseite nicht.
Zeigt eine Passform-Referenz das Teil an einer anderen Person, ist die Anweisung, diese Person wegzulassen, ausdrücklich — und trotzdem nicht perfekt. Spuren können durchschlagen. Prüfen Sie Gesichter und Hände, bevor Sie ein Bild veröffentlichen, das auf einer getragenen Referenz beruht.
Ein Generierungs-Request trägt nur eine begrenzte Zahl Bilder, und welche hineinkommen, entscheidet die Priorität und nicht die Upload-Reihenfolge. Vierzig Fotos eines Teils bringen keine vierzig in den Request. Wählen Sie die aus, die Information tragen: eine klare Produktansicht, eine getragene Aufnahme, eine Rückansicht.
Sitzt der entscheidende Print, die Naht oder das Detail auf der Rückseite, gibt eine Frontalreferenz dem Modell nichts an die Hand. Laden Sie eine Rückansicht hoch. Das ist der häufigste Grund dafür, dass ein Detail auf der falschen Seite landet.
Länge und Passform, die beim Upload aus Ihren Fotos gelesen werden, können falsch sein — und ein falscher Wert wandert dann in jede Generierung dieses Produkts. Genau dafür gibt es die markeneigenen Felder: Eine Korrektur ersetzt die Schätzung dauerhaft.
Es bedeutet, dass das generierte Foto die echten Proportionen des Kleidungsstücks behält: Ein Midirock bleibt midi, ein Oversized-Hemd wirkt weiterhin oversized, ein bodenlanger Saum erreicht den Boden und liegt im Bild. Es ist eine Aussage darüber, wie treu das Bild die in Ihrem Referenzmaterial sichtbaren Proportionen wiedergibt — keine Aussage darüber, welche Größe eine bestimmte Kundin bestellen sollte.
Aus drei Quellen in fester Reihenfolge: aus Länge und Passform, die Sie am Produkt gesetzt haben, dann aus Proportionen, die aus einem Foto des getragenen Teils gelesen wurden, dann aus den Werten, die beim Upload automatisch aus Ihren Produktfotos erkannt wurden. Hat keine davon eine Antwort, wird gar keine Längenregel gesetzt statt einer geratenen.
Ja, und genau so ist es gedacht. Jedes Produkt hat optionale Felder für Länge, Passform und einen Passform-Hinweis, die Sie selbst setzen. Nichts Automatisches schreibt jemals hinein, ein gesetzter Wert bleibt also gesetzt und hat Vorrang vor allem Erkannten. Produkte aus einem angebundenen Shop können diese Felder aus den Shop-Daten mitbringen.
Nein, aber es ist die stärkste einzelne Verbesserung, die zur Verfügung steht. Ein Flatlay zeigt Farbe und Verarbeitung; ein getragenes Foto zeigt den Fall und wo der Saum endet. Markieren Sie es als getragene Perspektive, dann gilt es als Passform-Referenz und wird bevorzugt, während die abgebildete Person ausdrücklich aus dem Ergebnis ausgeschlossen wird. Es muss nicht professionell sein — es muss wahrhaftig sein.
Ja. Einzelaufnahmen, Pose-Grids, Grid-Verfeinerungen, das Ausliefern einer Aufnahme in voller Auflösung und Annotations-Korrekturen laufen alle durch dieselbe Passform-Behandlung. Das ist Absicht: Der übliche Fehler in der KI-Fotografie ist nicht das erste Bild, sondern das vierte, das davon abweicht.
Wir nennen keine Zahl, und Sie sollten skeptisch sein, wenn jemand eine für Ihr Sortiment nennt, ohne es gesehen zu haben. Vertretbar ist der Mechanismus: Retouren nach dem Muster „so sah es nicht aus" werden schlimmer, wenn die Fotografie Länge und Passform falsch darstellt, und besser, wenn sie es nicht tut. Betrachten Sie korrekte Passform-Darstellung als das Beseitigen einer bekannten Retourenursache, nicht als gemessene Senkung.
Ein Kleidungsstück hochladen, ein getragenes Foto ergänzen, Ergebnis vergleichen. Kostenlos starten mit 10 $ Guthaben — ohne Abo.