Kürzlich vorgeschlagene bildbasierte virtuelle Probier-Methoden (VTON) stoßen bei vielfältigen menschlichen Körperhaltungen und Kleidungsstilen auf mehrere Herausforderungen. Erstens erzeugen Kleidungswarping-Netzwerke oft stark verzerrte und fehlerhaft ausgerichtete Kleidungsstücke aufgrund fehlerhafter, kleidungsunabhängiger menschlicher Repräsentationen, Unstimmigkeiten zwischen den Eingabebildern für die Kleidung-Mensch-Zuordnung sowie unangemessener Regularisierungs-Transformationsparameter. Zweitens können Blending-Netzwerke die verbleibenden Kleidungsstücke nicht korrekt beibehalten, da die menschliche Repräsentation falsch ist und die Trainingsverlustfunktion für die Generierung der Zusammensetzungs-Maske unangemessen ist. Wir stellen CP-VTON+ (Clothing shape and texture Preserving VTON) vor, um diese Probleme zu überwinden, wobei das Verfahren sowohl quantitativ als auch qualitativ deutlich die derzeit besten Ansätze übertrifft.