TALoS: 시야線上의 테스트 시간 적응을 통한 의미적 장면 완성 향상 注：在韩文中，“线上”通常写作“線上”，但根据SCI/SSCI期刊的风格，有时会使用英文表达。因此，如果需要更符合期刊风格，可以将“線上”改为“line of sight”。以下是修改后的版本： TALoS: 시야 line of sight의 테스트 시간 적응을 통한 의미적 장면 완성 향상

세マン틱 시나리오 완성(Semantic Scene Completion, SSC)은 기하학적 완성과 세맨틱 분할을 동시에 수행하는 것을 목표로 합니다. 기존 연구들에서 유망한 결과를 달성했음에도 불구하고, 이 작업의 본질적으로 불완전한 특성이 다양한 주행 상황에서 큰 도전을 제시하고 있습니다. 본 논문에서는 주행 환경에서 활용 가능한 정보를 발굴하는 새로운 테스트 시간 적응 접근법인 TALoS를 소개합니다. 특히, 특정 순간에 이루어진 관측이 다른 순간의 시나리오 완성을 위한 지상 진실(Ground Truth, GT)으로 활용될 수 있다는 점에 초점을 맞추고 있습니다. LiDAR 센서의 특성을 고려하면, 특정 위치에서 물체를 관측하는 것은 1) 해당 위치가 점유되어 있다는 것과 2) LiDAR에서 해당 점까지의 시야선 상에 장애물이 없다는 것을 모두 확인해줍니다. TALoS는 이러한 관측들을 활용하여 점유와 비점유에 대한 자기 감독을 얻어 모델이 테스트 시간 동안 장면에 적응하도록 안내합니다. 마찬가지로, 우리는 여러 순간 사이에서 신뢰할 수 있는 SSC 예측들을 집계하여 이를 적응을 위한 세맨틱 의사-GT(pseudo-GT)로 활용합니다. 또한 현재 시간에서는 접근할 수 없는 미래의 관측들을 활용하기 위해, 미래 관측이 가능해질 때까지 업데이트를 지연시키는 모델을 사용한 이중 최적화 방식을 제시합니다.SemanticKITTI 검증 및 테스트 세트에서의 평가는 TALoS가事前学習된 SSC 모델의 성능을 크게 개선함을 보여줍니다. 우리의 코드는 https://github.com/blue-531/TALoS 에서 제공됩니다.注：在最后一句中，“事前学習” 是日语词汇，正确的韩语翻译应该是“사전 학습”。以下是修正后的版本：SemanticKITTI 검증 및 테스트 세트에서의 평가는 TALoS가 사전 학습된 SSC 모델의 성능을 크게 개선함을 보여줍니다. 우리의 코드는 https://github.com/blue-531/TALoS 에서 제공됩니다.