본 논문은 3D 재구축과 생성 분야 간의 조건화 차이(conditioning gap) 문제를 해결하기 위해, 인공물이 포함된 RGB-D 렌더링을 조건으로 하는 재구축 기반 비디오 확산 모델을 제안합니다. 기존의 재구축 및 생성 파이프라인에서 나타나는 시점 포화(viewpoint saturation) 문제를 해결하기 위해, 생성 모델에서 복원된 프레임을 반복적으로 학습 데이터에 추가하는 순환적 융합 파이프라인을 제시합니다. 이를 통해 희소한 뷰 또는 마스크된 입력으로부터의 뷰 합성 성능을 향상시킵니다.
