본 논문은 희소 2D 뷰로부터 복잡한 3D 장면을 효과적으로 모델링하는 최신 재구축 기법에서, 새로운 뷰의 품질을 자동으로 평가하고 인공물을 식별하는 것이 어려운 문제를 해결하고자 제안되었다. 기존의 No-Reference 이미지 메트릭의 한계로 인해 신뢰할 수 있는 인공물 맵을 예측하는 데 어려움이 있었으며, 이는 새로운 뷰의 품질 평가 및 인페인팅과 같은 후처리 기법의 적용을 제한했다. 이를 해결하기 위해, 본 논문에서는 다른 뷰의 컨텍스트를 활용하여 이미지 품질을 예측하는 Cross-Reference 메트릭의 새로운 종류인 Puzzle Similarity 메트릭을 제안한다. 이 방법은 입력 뷰의 이미지 패치 통계를 사용하여 장면 특정 분포를 설정하고, 이를 통해 새로운 뷰에서 잘못 재구축된 영역을 식별한다. Cross-Reference 방법을 평가하기 위한 좋은 척도가 부족함을 감안하여, 본 논문에서는 새롭게 인간이 라벨링한 인공물 및 왜곡 맵 데이터셋을 생성하였고, 이를 통해 제안된 방법이 정렬된 참조 없이도 인간의 평가와 상관관계가 높은 새로운 뷰에서 인공물의 최첨단 위치 파악을 달성함을 보여준다. 제안된 메트릭은 자동 이미지 복원, 유도 획득 또는 희소 입력으로부터의 3D 재구축과 같은 응용 프로그램을 향상시키는 데 활용될 수 있다.
