VFusion3D é um modelo de geração 3D escalável construído com base em um modelo de difusão de vídeo pré-treinado. Ele resolve o problema da dificuldade e da limitação na aquisição de dados 3D, gerando um conjunto de dados sintético multi-perspectiva em larga escala por meio do ajuste fino do modelo de difusão de vídeo, e treinando um modelo de geração 3D feedforward capaz de gerar ativos 3D rapidamente a partir de uma única imagem. O modelo apresentou excelente desempenho em estudos com usuários, com mais de 90% dos usuários mostrando preferência pelos resultados gerados pelo VFusion3D.