VR购物仅仅有环境场景是不够的，顾客在VR商场里看到的成千上万的商品，就是通过三维建模技术建立的。 首先是基于图片的三维重建——利用相片的结构信息，通过多张不同视角拍摄的相片恢复出被摄对象的三维结构，同时能根据获得的拍摄时的空间位置和朝向进行室内外的定位。
 

基于深度信息的高精度建模则是通过激光测距仪和Kinect等设备采集深度信息，并通过点云拼接技术得到扫描对象的三维点云，最后在点云基础上采用表面重建技术得到可供计算机进行贴图和光照渲染的表面模型。
 

在顾客想要与虚拟场景进行互动时，三维动作捕捉技术会捕捉消费者的动作并触发虚拟环境的反馈，从而实现虚拟现实中的互动。目前VR中大多使用光学式运动捕捉系统——基于计算机视觉原理通过对目标上特定光点的监视和跟踪完成运动捕捉的任务。动作捕捉技术可以说是实现人与虚拟现实交互的关键。