VFusion3D est un modèle de génération 3D évolutif basé sur un modèle de diffusion vidéo pré-entraîné. Il résout les problèmes liés à la difficulté et à la quantité limitée d'acquisition de données 3D. Il génère un ensemble de données synthétiques multi-vues à grande échelle en affinant un modèle de diffusion vidéo, entraînant ainsi un modèle de génération 3D feedforward capable de générer rapidement des actifs 3D à partir d'une seule image. Ce modèle a obtenu d'excellents résultats lors d'études utilisateurs, plus de 90% des utilisateurs ayant préféré les résultats générés par VFusion3D.