ViewDiff ist eine Methode, die vorab trainierte Text-zu-Bild-Modelle als Vorwissen nutzt, um aus realen Daten multiperspektivisch konsistente Bilder zu generieren. Durch die Integration von 3D-Volumenrendering und Cross-Frame-Aufmerksamkeits-Layern in ein U-Net-Netzwerk werden 3D-konsistente Bilder in einem einzigen Denoising-Prozess erzeugt. Im Vergleich zu bestehenden Methoden zeichnet sich ViewDiff durch eine höhere visuelle Qualität und 3D-Konsistenz der Ergebnisse aus.