学習視点不足による不整合を解消するために、光線上の点の透明度から算出されるエントロピーを光線エントロピー誤差として加えることで、透明度が低い点の影響を受けずノイズを観測することを抑えている。学習視点以外の光線にも利用可能である。 学習視点にオーバーフィッティングしてしまうことを防ぐために、光線と近傍の光線の観測結果を整合化させるKL発散誤差を加えることで未観測視点での汎化性能を向上させている。

Realistic Synthetic 360◦(360度から撮影された合成シーン)で4視点から学習したDietNeRF,PixelNeRF,NeRFと比較して高精度　 ZJU-MoCap(人物の動きを捉えたシーン)ではNeRFより高精度　 DTU MVS Dataset (DTU)(類似したシーン)ではNeRFより高精度

他の少数視点でのNeRFと統合しやすく精度向上が見られたことや、学習視点以外の光線も精度向上に使える点がおもしろい。