Este artículo aborda el desafío de evaluar automáticamente la calidad de nuevas vistas e identificar artefactos debido a la falta de imágenes de verdad de campo y las limitaciones de las métricas de imágenes sin referencia, a pesar de la disponibilidad de técnicas de reconstrucción de vanguardia que modelan eficazmente escenas 3D complejas a partir de vistas 2D dispersas. Para abordar este desafío, proponemos una novedosa métrica de referencia cruzada, Puzzle Similarity, que localiza artefactos en nuevas vistas. Basándonos en un trabajo reciente (arXiv:2404.14409) que propone un nuevo tipo de métrica (referencia cruzada) que aprovecha la información de capturas desde diferentes puntos de vista, proponemos una novedosa métrica de referencia cruzada, Puzzle Similarity, para localizar artefactos en nuevas vistas. Nuestro método utiliza estadísticas de parches de imagen de vistas de entrenamiento para establecer distribuciones específicas de la escena y las utiliza para identificar regiones mal reconstruidas en nuevas vistas. Dada la falta de métricas robustas para evaluar métodos de referencia cruzada en el contexto de la reconstrucción 3D, evaluamos el rendimiento de nuestro método propuesto en un nuevo conjunto de datos de mapas de artefactos y distorsión, etiquetados por humanos. Demostramos experimentalmente que nuestro método logra un rendimiento de localización de artefactos de vanguardia, altamente correlacionado con las evaluaciones humanas, incluso sin referencias alineadas. Esta métrica puede aprovecharse para mejorar aplicaciones como la restauración automática de imágenes, la adquisición guiada o la reconstrucción 3D a partir de una entrada dispersa.
