본 논문은 3D 재구성과 생성 분야 간의 조건화 차이(conditioning gap) 문제를 해결하는 새로운 방법을 제시합니다. 기존 3D 재구성은 고밀도 뷰를 필요로 하는 반면, 3D 생성은 단일 뷰 또는 뷰 없이도 가능하다는 차이점을 지적하며, 이는 3D 제약 조건과 생성 사전 지식 간의 불일치에서 기인한다고 주장합니다. 이를 해결하기 위해, 인공물이 포함된 RGB-D 렌더링을 조건으로 하는 재구성 기반 비디오 확산 모델과, 생성 모델의 복원 프레임을 반복적으로 학습 데이터에 추가하는 순환적 융합 파이프라인을 제안합니다. 이를 통해 뷰포인트 포화 문제를 해결하고, 희소 뷰 및 마스크된 입력으로부터의 뷰 합성 성능을 향상시킵니다.
