USING VECTOR GRAPHICS TO CREATE 3D CONTENT

Deep learning techniques such as vector graphics (300) are used to create 3D content and assets for metaverse applications. Vector graphics is a scalable format that provides rich 3D content. A vector graphics encoder (302) such as a deep neural network such as a recurrent neural network (RNN) or transformer receives (400) vector graphics and generates (402) an encoded output. The encoded output is decoded (404) by a 3D decoder such as another deep neural network that outputs 2D graphics for comparison with the original image. Loss is computed (408) between the original and the output of the 3D decoder. The loss is back propagated (410) to train the vector graphics encoder to generate 3D content. Des techniques d'apprentissage profond telles que des graphiques vectoriels (300) sont utilisées pour créer un contenu 3D et des actifs pour des applications de métavers. Le graphique vectoriel est un format évolutif qui fournit un contenu 3D riche. Un codeur de graphiques vectoriels (302) tel qu'un réseau neuronal profond, un réseau de neurones bouclé (RNN) ou un transformateur reçoit (400) des graphiques vectoriels et génère (402) une sortie codée. La sortie codée est décodée (404) par un décodeur 3D tel qu'un autre réseau neuronal profond qui délivre des graphiques 2D pour une comparaison avec l'image d'origine. La perte est calculée (408) entre l'original et la sortie du décodeur 3D. La perte est rétropropagée (410) pour former le codeur de graphiques vectoriels à générer un contenu 3D.