BlockFusionは、拡散モデルに基づいた3Dシーン生成モデルです。新しいブロックをシームレスにシーンに統合することができます。これは、完全な3Dシーンメッシュからランダムに切り取られた3Dブロックのデータセットをトレーニングすることで実現されています。ブロックごとのフィッティングにより、全てのトレーニングブロックは混合ニューラルフィールドに変換されます。このフィールドは、幾何学的特徴を持つ四面体と、符号付き距離値をデコードするための多層パーセプトロン（MLP）で構成されます。四面体を潜在的な四面体空間に圧縮し、ノイズ除去拡散処理を行うために、変分オートエンコーダが使用されます。潜在表現への拡散の適用により、高品質で多様な3Dシーンの生成が可能になります。シーン生成時にシーンを拡張する場合、既存のシーンと重なるように空のブロックを追加し、既存の潜在四面体を外挿して新しいブロックを埋めます。この外挿は、ノイズ除去の反復処理において、重なっている四面体の特徴サンプルを使用して生成プロセスを調整することで行われます。潜在四面体の外挿により、意味的および幾何学的に整合性のある遷移が生成され、既存のシーンと調和的に融合します。シーン要素の配置と配列を制御するために、2Dレイアウト調整メカニズムが使用されます。実験結果から、BlockFusionは多様で、幾何学的に整合性があり、高品質な屋内外の大規模な3Dシーンを生成できることが示されています。