ビジュアルエフェクト（VFX）はデジタルメディアの表現力において不可欠な役割を果たしているが、生成型AIがVFXを生成する際には依然として大きな課題が残っている。従来の手法は、1つのエフェクトに対して1つのLoRA（Low-Rank Adaptation）を用いるというパラダイムに依存しており、リソースを大量に消費する上に、未観測のエフェクトに一般化する能力が本質的に欠如しているため、スケーラビリティと創造性に制限が生じている。本研究では、VFX動画生成のための、初めての統合的かつ参照ベースのフレームワーク「VFXMaster」を提案する。本フレームワークは、エフェクト生成をコンテキスト内学習（in-context learning）のタスクに再定式化し、ターゲットコンテンツ上に多様な動的エフェクトを、参照動画から再現可能にしている。さらに、未観測のエフェクトカテゴリに対しても顕著な一般化能力を示す。具体的には、モデルに参照例を提示するコンテキスト内条件付け戦略を設計。また、エフェクトの本質的特徴を正確に分離・注入できるように、コンテキスト内アテンションマスクを考案。これにより、情報漏洩を防ぎつつ、単一の統合モデルで多様なエフェクトの模倣を実現可能にした。さらに、ユーザーが1つの動画を提供するだけで、困難な未観測エフェクトに対して迅速に一般化能力を高める効率的なワンショットエフェクト適応メカニズムを提案した。広範な実験により、本手法がさまざまなエフェクトカテゴリの情報を効果的に模倣し、ドメイン外エフェクトに対しても優れた一般化性能を発揮することが確認された。今後の研究を促進するため、本研究ではコード、モデル、および包括的なデータセットをコミュニティに公開する予定である。