رغم التقدم الكبير الذي أحرزته تجربة الملابس الافتراضية القائمة على الصور، فإن الأساليب الناشئة لا تزال تواجه تحديات في إنتاج صور متطابقة وقوية في سياقات متنوعة. غالباً ما تعاني هذه الأساليب من مشكلات مثل الحفاظ على النسيج والتناسب حسب الحجم، مما يعيق فعاليتها الشاملة. لمعالجة هذه القيود، نقترح تقنية جديدة لتعزيز إدراك الملابس تُسمى FitDiT، وهي مصممة للتجربة الافتراضية عالية الدقة باستخدام متغيرات التحويل التفاضلية (DiT) التي تخصص المزيد من المعلمات والاهتمام لميزات الدقة العالية.أولاً، لتحسين الحفاظ على النسيج بشكل أكبر، نقدم مستخلص نسيج الملابس الذي يدمج تطور الأولويات الخاصة بالملابس لضبط ميزات الملابس بشكل دقيق، مما يساعد في التقاط التفاصيل الغنية مثل الخطوط والنماذج والنصوص بشكل أفضل. بالإضافة إلى ذلك، نقدم التعلم في المجال الترددي من خلال تخصيص خسارة المسافة الترددية لتعزيز التفاصيل ذات التردد العالي في الملابس.لحل مشكلة التناسب حسب الحجم، نستخدم استراتيجية قناع متسعة ومريحة تتكيّف مع الطول الصحيح للملابس، مما يمنع إنتاج ملابس تملأ منطقة القناع بأكملها أثناء التجربة عبر الفئات. بفضل هذا التصميم، يتفوق FitDiT على جميع النقاط المرجعية في كل من التقييمات النوعية والكمية. فهو يتميز بإنتاج ملابس تناسب بشكل جيد وتتميز بالواقعية الفوتوغرافية والتفاصيل المعقدة، بينما يحقق أوقات استدلال تنافسية تبلغ 4.57 ثانية لكل صورة بحجم 1024x768 بعد تقليص هيكل DiT، مما يجعله أفضل من الأساليب الموجودة حالياً.