본 논문은 Neural Radiance Fields (NeRF)와 3D Gaussian Splatting (3DGS) 등 최근의 새로운 뷰 합성 방법들이 훈련 데이터와 유사한 시점에서는 고품질 이미지를 생성하지만, 특히 근접 뷰와 같이 훈련 데이터에서 크게 벗어난 시점에서는 세부적인 이미지 생성에 어려움을 겪는다는 문제점을 지적한다. 이는 근접 뷰에 대한 특정 훈련 데이터의 부족으로 인한 것으로, 이 문제를 해결하기 위해 기존 훈련 데이터로부터 유도된 의사 레이블을 활용하는 새로운 의사 레이블 기반 학습 전략을 제시한다. 또한, 이러한 문제를 평가하기 위한 새로운 데이터셋을 제시하며, 광범위한 실험을 통해 제안된 방법의 효과를 입증한다.
