Nano Banana Pro und die KI-Modelle hinter virtuellen Anprobe-Apps

Fragen Sie einen Käufer, was ein virtuelles Anprobe-Tool besser macht als ein anderes, und die meisten werden auf das Ergebnis verweisen: Sehe ich noch aus wie ich selbst, hat die Couch hinter mir die Farbe gewechselt, sieht das Hemd getragen oder aufgeklebt aus? Fast nichts davon hängt von der Benutzeroberfläche der App ab. Es liegt daran, welches KI-Modell das Bild generiert, ein Detail, das selten auf einer Produktseite landet.

Was ist Nano Banana Pro?

Nano Banana Pro ist nicht Googles offizieller Produktname. Es ist der Spitzname, der sich durchgesetzt hat, nachdem die Community ihn für Gemini 3 Pro Image, Googles Flaggschiff-Modell zur Bildgenerierung und -bearbeitung, das über die Gemini API und Vertex AI verfügbar ist, zu verwenden begann. Geben Sie ihm ein Foto und eine Textanweisung, und es wird dieses Foto bearbeiten, etwas hinzufügen, entfernen oder ändern, während es versucht, den Rest unberührt zu lassen.

Dieser letzte Teil macht es für die virtuelle Anprobe nutzbar, obwohl Kleidung nie seine einzige Aufgabe war. Das Foto eines Käufers plus ein Kleidungsfoto plus eine Anweisung zum Outfit-Wechsel ist strukturell dieselbe Art von Bearbeitung wie jede andere Nano Banana Pro-Anfrage. Perplexity's eigene Virtual Try On-Funktion läuft auf derselben Modellfamilie, ein Detail, das Perplexity direkt angegeben hat und das bereits in Corlens eigenem Beitrag über virtuelle Anprobe in der KI-Einkaufssuche behandelt wurde.

Wie unterscheidet sich ein allgemeines Bildmodell von einem dedizierten Anprobe-Modell?

Ein dediziertes virtuelles Anprobe-Modell ist von Anfang an auf eine enge Aufgabe zugeschnitten. Das bekannteste Beispiel, IDM-VTON, verwendet eine Zwei-Stream-Diffusionspipeline: Ein Stream liest das Kleidungsstück, einer liest die Person, und ein Verformungsschritt bildet die Kleidung auf die spezifische Pose des Körpers ab, bevor das endgültige Bild gerendert wird. Jeder Teil dieses Systems existiert, weil Kleidung, und nur Kleidung, der Designauftrag war.

• Dedizierte Modelle (IDM-VTON, FASHN, CatVTON und ähnliche): speziell auf Personen- und Kleidungs-Paare trainiert, mit expliziten Posen- und Verformungsschritten, die in die Pipeline integriert sind. Stark darin, eine wörtliche, kontrollierbare Übereinstimmung mit einer Referenzpose zu halten.
• Allgemeine Bildmodelle (Nano Banana Pro und die breitere Gemini 3 Bildfamilie): trainiert auf weitreichende Fotobearbeitung und logisches Denken, dann durch Prompts und nicht durch aufgabenspezifisches Training auf die Anprobe angewendet. Stark darin, eine vollständige Szene auf einmal zu verstehen, nicht nur den Kleidungsbereich.
• Keines ist ein striktes Upgrade gegenüber dem anderen. Ein dediziertes Modell kann bei der Pose wörtlicher sein. Ein allgemeines Modell neigt dazu, den Rest des Bildausschnitts, das Gesicht, den Raum dahinter stabiler zu halten, weil es nie beigebracht wurde, diese als getrennt von der Aufgabe zu behandeln.

Welcher Ansatz liefert tatsächlich bessere Anprobe-Ergebnisse?

Hier gibt es eine echte, benannte Antwort statt einer Vermutung. Ionio.ai veröffentlichte einen Benchmark von 2026, der fünf virtuelle Anprobe-Modelle – Kling, FASHN, CatVTON, Qwen und Nano Banana Pro – über 160 reale Outfit-Kombinationen testete und dabei die Posenkonservierung, den Stoffrealismus, die Identitätserhaltung und die Produktionszuverlässigkeit bewertete. Das Ergebnis war kein einziger Gewinner. Nano Banana Pro lag bei der gesamten visuellen Qualität vorn und wurde für kreative, fotorealistische Anwendungen empfohlen, während der Benchmark auch anmerkte, dass es die expliziten Posen- und Inpainting-Kontrollen vermisst, um die herum die dedizierten Modelle entwickelt wurden, sodass seine feinkörnige Steuerbarkeit den zweckgebundenen Systemen auf dieser spezifischen Achse nachsteht.

Dieser Kompromiss spiegelt direkt wider, was bei einem schlechten Anprobe-Ergebnis schiefgeht. Ein posenfixiertes dediziertes Modell kann eine exakte Haltung perfekt treffen, aber beim Gesicht oder dem Hintergrund darum herum abweichen, da diese nie sein Trainingsfokus waren. Ein allgemeines Modell neigt dazu, das gesamte Foto zusammenzuhalten, was in Einzelfällen zu Lasten der exakten Posen-Fidelity gehen kann. Welcher Fehlermodus wichtiger ist, hängt davon ab, wofür das Tool tatsächlich gedacht ist.

Welche Modelle werden derzeit tatsächlich von Shopping-Tools verwendet?

Dies ist kein verstecktes Detail, sobald man weiß, wo man suchen muss. Zwischen den Plattformstarts des letzten Jahres und dem, was einzelne Anbieter öffentlich gesagt haben, ist eine grobe Karte, wer auf was läuft, sichtbar geworden.

1. Perplexity's Virtual Try On läuft auf der Nano Banana Bildmodellfamilie, direkt von Perplexity angegeben.
2. Corlens Kiosk, Shopify App und Developer API laufen alle auf Gemini 3 Pro Image, demselben Modell aus der Nano Banana Pro Familie, über Vertex AI.
3. Eine Gruppe kleinerer, auf Bekleidung spezialisierter Anbieter baut auf dedizierten Anprobe-Modellen wie FASHN, CatVTON oder ihren eigenen, feinabgestimmten Versionen ähnlicher Architekturen auf.
4. Googles eigenes Anprobe-Tool innerhalb von Search, Shopping und Images hat nicht veröffentlicht, welches spezifische Modell es verwendet, obwohl es sich innerhalb derselben Shopping Graph-Infrastruktur befindet, um die herum Google seinen breiteren KI-Shopping-Vorstoß aufgebaut hat.

Welches Modell verwendet Corlen und warum?

Corlen generiert jede Anprobe mit Gemini 3 Pro Image, das über Googles Vertex AI läuft, demselben Modell aus der Nano Banana Pro Familie, das oben besprochen wurde. Das war nicht der erste Versuch. Frühere Entwicklungsarbeiten durchliefen mehrere dedizierte Anprobe-Modelle, bevor man sich hier festlegte, und das allgemeine Bildmodell hielt das Gesicht eines Käufers, die Stofftextur und den Raum um ihn herum über die Art von Fotos, die ein echter Käufer macht – eine Handykamera, unvollkommene Beleuchtung, ein normales Zimmer, keine Studiohintergrundkulisse – stabiler.

Dieser Kompromiss ist auch der Grund, warum wie virtuelle Anprobe funktioniert und ist virtuelle Anprobe genau beide immer wieder auf die gleichen zwei Fragen kommen, die es bei jedem Tool zu stellen gilt: Sieht das Ergebnis noch wie die tatsächliche Person aus, und sieht der Stoff getragen aus, anstatt nur auf das Foto geklebt? Das Modell hinter der Oberfläche ist die wahre Antwort auf beide Fragen.

Sehen Sie den Unterschied an Ihrem eigenen Foto: Corlen kostenlos testen, kein Konto für ein erstes Ergebnis erforderlich. Teams, die ihr eigenes Einkaufserlebnis aufbauen, können dieselbe Engine direkt über die Developer API erreichen.