Bootstrap3D est un framework conçu pour améliorer la création de contenu 3D. Il résout le problème de la rareté d'actifs 3D de haute qualité grâce à la génération de données synthétiques. Il utilise des modèles de diffusion 2D et vidéo pour générer des images multi-vues à partir d'invites textuelles, et un modèle MV-LLaVA pour filtrer les données de haute qualité et réécrire les titres inexacts. Ce framework a généré 1 million d'images synthétiques multi-vues de haute qualité avec des titres descriptifs denses pour pallier la pénurie de données 3D de haute qualité. De plus, il propose une stratégie de réordonnancement des pas de temps d'entraînement (TTR) pour exploiter le processus de débruitage afin d'apprendre la cohérence multi-vues tout en conservant les priorités de diffusion 2D d'origine.