BlockFusion é um modelo baseado em difusão que gera cenas 3D e integra novos blocos sem problemas na cena. Ele é treinado em um conjunto de dados de blocos 3D aleatoriamente recortados de malhas de cenas 3D completas. Através do ajuste bloco a bloco, todos os blocos de treinamento são convertidos em campos neurais mistos: tetraedros contendo características geométricas, seguidos por um multicamadas perceptron (MLP) para decodificar valores de distância com sinal. Um autoencoder variacional é usado para comprimir os tetraedros para um espaço latente de tetraedros, que é submetido ao processo de difusão desruidosa. A difusão é aplicada à representação latente, permitindo a geração de cenas 3D de alta qualidade e diversas. Durante a geração, ao expandir uma cena, basta anexar blocos vazios para sobrepor a cena atual e extrapolar os tetraedros latentes existentes para preencher o novo bloco. A extrapolação é realizada regulando o processo de geração usando amostras de características de tetraedros sobrepostos durante as iterações de desruidificação. A extrapolação de tetraedros latentes produz transições semanticamente e geometricamente significativas, integrando-se harmoniosamente com a cena existente. Um mecanismo de regulação de layout 2D é usado para controlar o posicionamento e o arranjo dos elementos da cena. Os resultados experimentais mostram que o BlockFusion é capaz de gerar cenas 3D grandes e diversas, geometricamente consistentes e de alta qualidade, tanto internas quanto externas.