3D Gaussian Splatting (3DGS)는 주어진 관점의 데이터셋으로 훈련 후 새로운 관점을 합성하는 데 뛰어난 성능을 보이지만, 합성된 관점이 훈련 관점에서 크게 벗어날 경우 렌더링 품질이 저하됩니다. 이는 모델의 분포 외 상황에 대한 일반화 어려움과 해상도 변화 및 폐색으로 인한 미세한 디테일 보간의 어려움 때문입니다. 특히, 훈련 세트보다 물체에 훨씬 가까운 뷰를 생성하는 근접 뷰 생성에서 이러한 한계가 두드러집니다. 본 논문에서는 자체 생성 데이터로 3DGS 모델을 점진적으로 훈련시키는 새로운 근접 뷰 생성 방식을 제안합니다. See3D 모델을 활용하여 렌더링된 뷰의 디테일을 향상시키고, 3DGS 모델의 "신뢰 영역"을 점진적으로 확장하며 See3D를 위한 참조 뷰 세트를 업데이트하는 전략을 제시합니다. 또한, 위 방식으로 생성된 훈련 데이터를 사용하여 3DGS 모델을 세심하게 미세 조정하는 전략을 도입하고, 근접 뷰 평가를 위한 지표를 정의합니다. 실험 결과, 제안된 방법이 경쟁적인 해결책보다 근접 뷰 생성에 있어 명확한 이점을 보임을 보여줍니다.
