Los métodos de síntesis de vistas novedosos basados en el campo de radiación neural (NeRF) están ganando popularidad por su capacidad para generar imágenes detalladas y realistas. Sin embargo, la mayoría de los métodos basados en NeRF solo utilizan imágenes para aprender representaciones de escenas, ignorando la importancia de la información de profundidad. El método Zip-NeRF ha logrado resultados impresionantes en escenas ilimitadas al combinar técnicas de anti-aliasing y representaciones de malla. Sin embargo, el método requiere un gran número de imágenes de entrada y puede funcionar mal en escenas complejas. Nuestro método incorpora las ventajas de Zip-NeRF y añade información de profundidad para reducir el número de imágenes requeridas y resolver el problema de escala libre en escenas sin fronteras. Los resultados experimentales muestran que nuestro método reduce efectivamente el tiempo de entrenamiento. Y podemos generar imágenes de alta calidad y modelos de nube de puntos finos utilizando pocas imágenes, incluso en escenas complejas con numerosas oclusiones.