In 205.000 generierten Anproben bestand der Faltenwurf die Optikprüfung, und kein Kleidungsstück hatte eine Größe
CURVTON-205K, ein Forschungsdatensatz aus Anprobe-Triplets, wurde fast vollständig von FLUX.2 [klein] 9B gezeichnet und von einem Vision-Language-Modell sowie einem Filter geprüft, der auf einem Zehn-Fragen-Raster trainiert ist, das nur danach fragt, ob Passform und Faltenwurf plausibel aussehen. Die Personen tragen BMI-Bänder, die Kleidungsstücke kein Größenetikett. Der Datensatz kann also einen glaubwürdigen Faltenwurf beibringen, aber keine Passform.

Parallax Pincer
Eine weiße Tunika liegt flach auf grauem Beton, langärmelig, mit blauer geometrischer Stickerei entlang der Knopfleiste und um beide Manschetten. In drei der vier Anproben, die sie einem langhaarigen blonden Mann anziehen, der an einem Strand kniet, sind die Ärmel verschwunden, und die Manschetten sitzen an nackten Handgelenken oder um einen Knöchel. Das Kleidungsstück ist eine Ghalek, und Abbildung 13 eines neuen Papers zeigt den Streifen als Teil der Wiederholungsschleife hinter CURVTON-205K. Dieser Datensatz soll Anprobemodellen beibringen, wie Kleidung am Körper sitzt.
Worte und Bild widersprachen sich. Das Kleiderverzeichnis des Projekts führt die Ghalek als „ärmelloses Überkleid, knöchellang, über einer Bluse getragen”. Der veröffentlichte Code macht aus solchen Einträgen die erste Anweisung an den Generator, im Anschluss an „Lass diese Person dieses Kleid tragen”. Drei Darstellungen lassen die Ärmel weg, wie es der Satz tut; die vierte behält sie, wie es das Bild tut. Die Bildunterschrift nennt die Triplets akzeptiert und führt keine Artefakte auf; sie kennzeichnet nicht, welche der vier der Prüfer angenommen hat.
CURVTON-205K, am 18. November veröffentlicht und für die WACV 2027 angenommen, stammt von Forschenden des IOE Pulchowk Campus (Tribhuvan University) und des NAAMII in Nepal sowie von Fogsphere in Großbritannien. Der Datensatz enthält 205.000 Trainings- und 4.500 Testtriplets, jeweils bestehend aus einer Person, einem Kleidungsstück und der Person im Kleidungsstück, aufgeteilt in die Stufen leicht, mittel und schwer. FLUX.2 [klein] 9B zeichnete 35.000 Kleidungsstücke, 41.000 Personen, 300.000 bearbeitete Versionen davon und sämtliche Anproben. Der veröffentlichte Code verschiebt außerdem bei 15 % der mittleren und schweren Triplets die Kamera und zeichnet Person und Anprobe mit Qwen Image Edit neu, ganz ähnlich wie Phota einen Schnappschuss neu winkelt; das Paper beschreibt Kameraänderungen nur als FLUX-Bearbeitungen.
Die Vielfalt steckt in den Prompts. Personen werden aus einem Attributverzeichnis mit Körpertypen, Herkunftsgruppen, Hintergründen und Fotostilen gezogen, und bei jeder fünften Ziehung kommt eine sichtbare Behinderung vor, vom fehlenden Finger bis zum Rollstuhl. Die eine Hälfte wird als Studioaufnahme angefragt, die andere als Handy-Schnappschuss. Das Paper zählt 200 Kleidungstypen, viele davon traditionell, und der Anhang zeigt ein Qipao, ein Gomesi und eine rumänische Ie.
Die Passform wird nach Augenmaß beurteilt. Qwen3-VL 32B verglich jede Anprobe mit ihrer Person und ihrem Kleidungsstück und gab Fehlschläge mit einem umgeschriebenen Prompt bis zu viermal zurück. Die Anweisungen geben dem Modell die Beschreibung des Kleidungsstücks mit, „ärmellos” eingeschlossen, und tragen ihm auf, „Ärmelform und -länge” mit dem Foto abzugleichen, lassen aber „natürliche Veränderungen bei Falten, Knitter, Perspektive, Schattierung und Stoffdrapierung, die durch Körperform und Haltung der Person entstehen” ausdrücklich zu. Das Paper gibt an, dass die Artefaktraten im Trainingsset nach dem vierten Durchgang von 38 %, 48 % und 60 % (leicht, mittel, schwer) auf 3 %, 4 % und 5 % sanken.
Annotierende labelten 5.000 Triplets anhand eines Rasters mit zehn Fragen, und ein kleiner, auf diesen Labels trainierter Filter prüfte den Rest. Eine Frage lautet, ob Falten, Sitz und Faltenwurf „natürlich auf die Schwerkraft und die Haltung der Person reagieren”, eine andere, ob das Ganze „visuell und physikalisch plausibel” sei. Nur eine Markierung als „schwer” machte ein Label negativ; ein als leicht markierter Faltenwurf kam bei den Labels also trotzdem durch, und der Filter behielt anschließend nur Werte ab 0,85.
Kein Kleidungsstück in den Verzeichnissen, Prompts und Skripten, die das Repository veröffentlicht, hat ein Größenetikett.
Körper bekommen immerhin Zahlen, in gewisser Weise. Das Personenverzeichnis kreuzt klein, durchschnittlich und groß mit drei BMI-Bändern von 14 bis 30; Körpergrößen sind also Wörter und Gewichte BMI-Spannen. Eine Bearbeitung der leichten Stufe kann eine Person „plus size” machen, einen „vollen, kräftigen, großzügigen Körperbau”. Die Kleidungsbeschreibungen enthalten Passformwörter wie „anliegend”, „locker” und „körperbetont”, und Säume werden am Körper verortet, „knielang” oder „bis zur Oberschenkelmitte fallend”; ein Maß enthält keine davon.
Synthetische Daten können durchaus ein Maßband tragen. FIT, ein SIGGRAPH-2026-Datensatz, lässt generierte Kleidungsstücke „per Physiksimulation” fallen und kombiniert mehr als eine Million Triplets mit „präzisen Körper- und Kleidungsmaßen”. Seine Autorinnen und Autoren schreiben, aktuelle Anprobemethoden erzeugten „unabhängig von der Größe des Kleidungsstücks oder der Person standardmäßig gut sitzende Ergebnisse”. Der Anprobe-Prompt von CURVTON enthält eine Kleidungsbeschreibung und kein Maß.
Auf den eigenen Tests des Papers hilft der Datensatz. Zu echten Trainingssets hinzugefügt, verbesserte er die meisten Cross-Benchmark-Werte von CatVTON, IDM-VTON, StableVITON und OOTDiffusion und senkte den FID, einen Abstand zu echten Fotos, auf StreetTryOn um 4,86 bis 8,92 Punkte; dort besteht die Baseline aus ungepaarten Proben verschiedener realer Datensätze. Auf VITON-HD und DressCode bleibt das Training allein mit CURVTON bei jeder berichteten Metrik hinter dem Training allein mit realen Daten zurück, und sein Hinzufügen bringt 0,11 bis 0,55 FID. Zwanzig Annotierende, die nach denselben zehn Fragen bewerteten, gaben dem mit CURVTON trainierten OOTDiffusion 35 % der Qualitätsstimmen, dem nächstbesten Modell 15 %.
Der Abschnitt zu den Einschränkungen räumt ein, dass die generierte Welt „Kleidungsmaterialien” und „Wechselwirkungen zwischen Person und Kleidungsstück” womöglich nicht vollständig erfasst, und genau daraus besteht Passform. Das Paper testet Passform nie, dieser Teil ist also Schlussfolgerung: Ein so trainiertes Modell lernt, ein Kleidungsstück glaubwürdig an einen Körper zu hängen, ohne dass es dabei eine Größe verfehlen könnte. Die Lizenz hält diese Lektion zumindest vorerst aus kommerziellen Anproben heraus: CC BY-NC 4.0, dazu die nichtkommerziellen Bedingungen von FLUX.2 [klein] 9B.