본 논문은 신경망 기반 뷰 합성(NVS)의 품질 평가를 위한 새로운 방법인 NVS-SQA를 제안합니다. 기존의 NVS 품질 평가는 PSNR, SSIM, LPIPS와 같은 전영역 참조 방식에 의존하여 밀집된 참조 뷰의 부재 및 인간 지각 레이블 확보의 어려움으로 인해 한계를 보였습니다. NVS-SQA는 이러한 문제를 해결하기 위해, 인간 레이블 없이 자기 지도 학습을 통해 무참조 품질 표현을 학습하는 방법을 제시합니다. 기존 자기 지도 학습의 가정을 따르지 않고, 휴리스틱 큐와 품질 점수를 학습 목표로 사용하며, 특수한 대조쌍 준비 과정을 통해 학습 효율성을 높였습니다. 실험 결과, NVS-SQA는 17개의 기존 무참조 방법과 16개의 전영역 참조 방법을 상당한 차이로 능가하는 성능을 보였습니다.
