GenXD एक ऐसा ढाँचा है जो 3D और 4D दृश्यों के निर्माण पर केंद्रित है, जो सामान्य 3D और 4D निर्माण के संयुक्त अध्ययन के लिए रोज़मर्रा की ज़िंदगी में इस्तेमाल होने वाले कैमरों और वस्तुओं की गति का उपयोग करता है। समुदाय में बड़े पैमाने पर 4D डेटा की कमी के कारण, GenXD ने सबसे पहले वीडियो से कैमरा मुद्रा और वस्तु गति तीव्रता प्राप्त करने के लिए एक डेटा क्यूरेशन प्रक्रिया प्रस्तावित की है। इस प्रक्रिया के आधार पर, GenXD एक बड़े पैमाने पर वास्तविक दुनिया के 4D दृश्य डेटासेट को पेश करता है: CamVid-30K। सभी 3D और 4D डेटा का उपयोग करके, GenXD ढाँचा किसी भी 3D या 4D दृश्य उत्पन्न करने में सक्षम है। यह बहु-दृश्य-समय मॉड्यूल प्रस्तुत करता है, जो कैमरा और वस्तु गति को अलग करते हैं, और 3D और 4D डेटा से मूल रूप से सीखते हैं। इसके अलावा, GenXD कई सशर्त दृश्यों का समर्थन करने के लिए मुखौटा-अंतर्निहित स्थितियों को भी नियोजित करता है। GenXD कैमरा प्रक्षेपवक्र का पालन करने वाले वीडियो और 3D दृश्यों को उत्पन्न कर सकता है जिन्हें 3D प्रतिनिधित्व में बढ़ाया जा सकता है। इसने विभिन्न वास्तविक दुनिया और सिंथेटिक डेटासेट पर व्यापक मूल्यांकन किया है, जो पिछली विधियों की तुलना में 3D और 4D निर्माण में GenXD की प्रभावशीलता और बहुमुखी प्रतिभा को दर्शाता है।