Bildbasierte virtuelle Anprobetechniken haben großes Potenzial gezeigt, die Benutzererfahrung und die Kundenzufriedenheit auf modeorientierten E-Commerce-Plattformen zu verbessern. Dennoch sind die derzeitigen Techniken noch eingeschränkt in der Qualität der Anprobergebnisse, die sie aus Eingabebildern mit unterschiedlichen Eigenschaften erzeugen können. In dieser Arbeit schlagen wir ein kontextgesteuertes virtuelles Anprobenetzwerk (C-VTON) vor, das diese Einschränkungen überwindet und ausgewählte Kleidungsstücke selbst bei herausfordernden Körperhaltungen und im Vorhandensein von Selbstverdeckungen überzeugend auf Zielobjekte überträgt. Im Zentrum des C-VTON-Pipelines stehen: (i) ein geometrisches Abgleichverfahren, das das Zielkleidungsstück effizient mit der Körperhaltung der Person in den Eingabebildern ausrichtt, und (ii) ein leistungsstarker Bildgenerator, der verschiedene Arten von kontextuellen Informationen bei der Synthese des endgültigen Anprobergebnisses nutzt. Das C-VTON wird in strengen Experimenten auf den VITON- und MPV-Datensätzen sowie im Vergleich zu den neuesten Techniken aus der Literatur evaluiert. Die experimentellen Ergebnisse zeigen, dass der vorgeschlagene Ansatz fähig ist, fotorealistische und visuell überzeugende Ergebnisse zu erzeugen und den aktuellen Stand der Technik erheblich verbessert.