A Data Analysis Study Based on Similarity Experiments of Virtual Try-On

Virtual Try-On 기반 유사도 실험을 통한 데이터 분석 연구

Virtual Try-On(VTO) 기술은 증강현실(AR)과 인공지능(AI)을 기반으로 사용자가 실제로 옷을 입지 않고도 가상의 피팅을 경험할 수 있도록 하는 혁신적인 기술이다. 그러나 현재 상용화된 VTO 시스템은 이미지 왜곡, 색상 손실, 텍스처 변형 등의 문제로 인해 실제 제품과의 시각적 불일치를 자주 유발하며, 이로 인해 사용자 신뢰도와 만족도 저하의 주요 원인이 되고 있다. 본 연구는 이러한 문제를 정량적으로 분석하고 기술적 개선 방안을 제시하는 것을 목표로 한다. 이를 위해 실제 착용 이미지와 AI 로 생성된 가상 피팅 이미지 간의 유사도를 구조적 유사도 지수(SSIM), 신호대잡음비(PSNR), 딥러닝 기반 VGG16-Cosine 유사도 지표를 활용하여 비교·분석하였다. 특히, 상용 모델인 WeshopAI 를 활용한 실험에서는 50% 이하의 유사도를 보이는 사례가 다수 확인되었으며, 이는 생성된 이미지가 실제와 시각적으로 상당한 차이를 보인다는 점을 의미한다. 이러한 품질 저하는 AI 생성 알고리즘의 한계, 원본 입력 데이터의 왜곡, 해상도 저하, 색상 정확도 부족 등 복합적인 요소에서 기인하는 것으로 판단된다. 예컨대 의류의 질감이나 주름, 복잡한 패턴이 정확하게 반영되지 않고, 색상이 실제 제품과 달리 과장되거나 흐릿하게 표현되는 경우가 많았다. 이로 인해 소비자는 제품에 대한 오해를 가질 수 있으며, 이는 구매 전환율에도 부정적 영향을 미칠 수 있다. 따라서 본 논문의 기술적 접근은 VTO 기술의 실용성과 완성도를 동시에 제고하며, 궁극적으로는 온라인 사용자에게 보다 정확하고 신뢰할 수 있는 가상 서비스 환경을 제공할 수 있을 것이다.