BlockFusion est un modèle basé sur la diffusion capable de générer des scènes 3D et d'intégrer de nouveaux blocs de manière transparente dans la scène. Il est entraîné sur un ensemble de données de blocs 3D découpés aléatoirement à partir de maillages de scènes 3D complètes. Par ajustement progressif, tous les blocs d'entraînement sont convertis en champs neuronaux mixtes : des tétraèdres contenant des caractéristiques géométriques, suivis d'un perceptron multicouche (MLP) pour décoder les valeurs de distance signées. Un auto-encodeur variationnel est utilisé pour compresser les tétraèdres dans un espace latent de tétraèdres, qui est ensuite traité par diffusion de débruitage. L'application de la diffusion à la représentation latente permet la génération de scènes 3D de haute qualité et diversifiées. Lors de l'extension de la scène pendant la génération, il suffit d'ajouter des blocs vides pour qu'ils se chevauchent avec la scène actuelle et d'extrapoler les tétraèdres latents existants pour remplir le nouveau bloc. L'extrapolation est réalisée en modulant le processus de génération au cours des itérations de débruitage à l'aide d'échantillons de caractéristiques provenant des tétraèdres chevauchants. L'extrapolation des tétraèdres latents produit des transitions sémantiques et géométriques significatives, qui s'intègrent harmonieusement à la scène existante. Un mécanisme de régulation de la disposition 2D permet de contrôler le placement et l'arrangement des éléments de la scène. Les résultats expérimentaux montrent que BlockFusion est capable de générer des scènes 3D intérieures et extérieures de grande taille, diversifiées, géométriquement cohérentes et de haute qualité.