BlockFusion es un modelo basado en difusión que genera escenas 3D e integra nuevos bloques en la escena de forma fluida. Se entrena en un conjunto de datos de bloques 3D recortados aleatoriamente de mallas de escenas 3D completas. Mediante un ajuste por bloque, todos los bloques de entrenamiento se convierten en campos neuronales mixtos: tetraedros que contienen características geométricas, seguidos de un perceptrón multicapa (MLP) para decodificar valores de distancia con signo. Se utiliza un codificador automático variacional para comprimir los tetraedros en un espacio latente de tetraedros, al que se aplica una difusión de eliminación de ruido. La difusión se aplica a la representación latente, lo que permite la generación de escenas 3D de alta calidad y diversidad. Al extender la escena durante el proceso de generación, simplemente se añaden bloques vacíos para que se superpongan con la escena actual y se extrapolan los tetraedros latentes existentes para rellenar el nuevo bloque. La extrapolación se realiza regulando el proceso de generación mediante el uso de muestras de características de los tetraedros superpuestos durante las iteraciones de eliminación de ruido. La extrapolación de tetraedros latentes produce transiciones semánticas y geométricas significativas que se integran armoniosamente con la escena existente. Se utiliza un mecanismo de regulación de diseño 2D para controlar la colocación y la disposición de los elementos de la escena. Los resultados experimentales muestran que BlockFusion puede generar escenas 3D grandes, tanto interiores como exteriores, diversas, geométricamente coherentes y de alta calidad.