该研究探究了结合盲音频录音和3D场景信息对新视角声学合成的益处。研究确定了新视角声学合成的主要挑战，并证明了融入从3D重建房间导出的房间脉冲响应（RIRs）使得相同的网络能够统一解决这些任务。在Matterport3D-NVAS数据集上的模拟研究中，该方法优于现有方法，证明了其在利用3D视觉信息方面的有效性。