شهد مجال التجارب الافتراضية (Virtual Try-On - VTO) تطوراً ملحوظاً في نقل الملابس بشكل واقعي إلى الأشخاص المستهدفين. لكن المعضلة الحقيقية تكمن في أن معظم الأنظمة الحالية تمنح المستخدم تحكماً محدوداً في كيفية ارتداء الملابس، سواء من حيث الحجم (فضفاض أو مشدود)، الأسلوب (مثل الإدخال أو الخروج من الملابس) أو الموقع المكاني للجسم.

لذا، تم تطوير تقنية جديدة تُدعى CtrlVTON، والتي تعالج هذا الفجوة بعدة طرق متكاملة. أولاً، تم تعريف وحل مشكلة تقسيم الصورة الفورية (Visual-Instance-Prompt Segmentation) عبر تقنية VIP-SAM، حيث تعمل هذه التقنية على تقسيم الملابس من صورة بسيطة إلى صورة شخص يرتديها بشكل فعلي. هذه المهمة تعد فريدة من نوعها، وتستهدف تفاصيل معينة بدلاً من تفاصيل الفئة التقليدية.

ثانياً، تعيد CtrlVTON صياغة تجربة الارتداء الافتراضية كمسألة تعديل صورة، مما يمنح المستخدمين القدرة على استخدام أقنعة تقسيم (segmentation masks) للتحكم بدقة في تخطيط الملابس، بما في ذلك الأسلوب والحجم وموقعها على الجسم. وقد حقق كل من VIP-SAM وCtrlVTON نتائج غير مسبوقة في مجالهما المحدد. بفضل CtrlVTON، يمكن لهذه التقنية إنتاج صور تتماشى بشكل أفضل بكثير مع التخطيطات التي يقدمها المستخدم، متفوقة على أقوى نظم التحرير التجارية، مع الحفاظ على دقة الملابس.