Come hai già intuito, questo può essere fatto in diversi modi. Non c'è alcun motivo per cui questo non possa essere fatto con una singola immagine per ogni possibile combinazione, tuttavia diventa rapidamente poco pratico farlo in questo modo. Più probabilmente i singoli componenti vengono lanciati sopra la persona nella posizione corretta per far sembrare che la persona stia indossando quel componente.
Se le pose di azione sono usate durante il gioco, devi creare un'immagine per ogni posa di azione per ogni tipo di componente. In altre parole, se nel gioco il personaggio può essere visto puntare una pistola, dovresti avere un'immagine di "camicia bianca rilassata" e un'immagine di "camicia bianca che mira con la pistola".
Un altro approccio consiste nel rendere fisicamente il componente. Con questo intendo, usando una sorta di algoritmo per calcolare come viene eseguito il rendering del componente. Questo potrebbe essere un svg il cui riempimento viene sostituito da un modello di immagine in base a come l'utente ha personalizzato il personaggio. Questo è più flessibile in quanto non è necessario aggiungere una nuova immagine per ogni posa quando si aggiunge una nuova personalizzazione. Puoi semplicemente aggiungere il nuovo motivo e solo le modifiche di riempimento.
Se stai eseguendo il rendering 2d / 3d, puoi andare ancora più lontano e fare a meno delle pose. Avresti un modello che ti trasformeresti in nuove posizioni senza intoppi, il che consente il massimo potenziale di animazione, ma richiede anche la maggior parte del lavoro.