MAV3D ermöglicht die Erzeugung dreidimensionaler dynamischer Szenen basierend auf Texteingaben. Die Methode verwendet ein 4D neuronales Strahlenfeld und benötigt keine 3D- oder 4D-Daten. Sie generiert Videos, die aus jedem Blickwinkel betrachtet werden können und in 3D-Umgebungen integriert werden können. Die Technik verbessert bestehende Basen und stellt die erste Lösung dar, die 3D-Szenen aus Textbeschreibungen erstellt.