En este artículo, proponemos un nuevo método para la evaluación de la calidad de la síntesis de vistas basada en redes neuronales (NVS), denominado NVS-SQA. Los métodos de evaluación de calidad de NVS existentes se basan en métodos de referencia completa, como PSNR, SSIM y LPIPS, que presentan limitaciones debido a la ausencia de vistas de referencia densas y a la dificultad de obtener etiquetas perceptuales humanas. Para resolver estos problemas, NVS-SQA propone un método para aprender representaciones de calidad sin referencia mediante aprendizaje autosupervisado sin etiquetas humanas. En lugar de seguir los supuestos del aprendizaje autosupervisado existente, utilizamos claves heurísticas y puntuaciones de calidad como objetivos de aprendizaje, y mejoramos la eficiencia del aprendizaje mediante un proceso especial de preparación de pares contrastivos. Los resultados experimentales muestran que NVS-SQA supera significativamente a 17 métodos sin referencia y 16 métodos de referencia completa existentes.
