通过伪标签化提升近距离新视角合成

最近的方法，如神经辐射场 (NeRF) 和 3D 高斯溶解 (3DGS)，在新视角合成方面展现了卓越能力。然而，尽管这些方法在产生与训练时相似视点的高质量图像方面取得成功，但在生成显著偏离训练集视点的图像时，尤其是在近距离视角下，仍难以生成细节丰富的图像。主要挑战源于缺乏针对近距离视角的特定训练数据，导致当前方法无法准确渲染这些视角。为解决此问题，我们引入一种新颖的基于伪标签的学习策略。该方法利用来自现有训练数据的伪标签，为广泛的近距离视角提供有针对性的监督。鉴于缺乏针对这一特定挑战的基准数据集，我们还提出了一个新数据集，用于评估当前及未来方法的有效性。我们的广泛实验表明，该方法具有有效性。