Durch den Einsatz neuronaler Netze können Videodaten aus sich bewegenden texturierten Körpern erstellt und mit Bildern verschnitten werden. Durch das Training eines geeigneten neuronalen Netzes, z. B. eines Convolutional Neural Network, mit Videos und Bildern von sich bewegenden Körpern in verschiedenen Posen ist es möglich, fotorealistische animierte oder unbewegte Figuren zu erstellen und sie in jedes beliebige Szenario einzufügen. Der Datensatz muss nicht genau die Person enthalten, die in den Avatar gerendert wird, d. h. derselbe Datensatz kann zur Erstellung mehrerer Avatare verwendet werden.

Aktuelle Ansätze verwenden neuronale Netze, um 2D-Texturen (Bilder) auf die Oberfläche beweglicher 3D-Modelle aufzubringen. Solche Netze lernen aus Bild- und Videodaten, wie Körper aus bestimmten Winkeln und bei bestimmten Lichtverhältnissen aussehen und erzeugen so realistischere Ergebnisse als die herkömmliche Texturierung von 3D-Modellen. Außerdem erzeugen sie bessere räumliche Darstellungen als konventionelle Simulationsmodelle.