본 논문은 단일 2D 이미지로부터 완전한 3D 장면 레이아웃과 의미를 추론하는 시각적 3D 의미 장면 완성(SSC) 문제를 다룹니다. 기존의 단안 SSC 방법들이 장면의 상당 부분이 가려져 있거나 카메라 시야 밖에 있는 실제 교통 상황을 충분히 다루지 못하는 한계를 극복하기 위해, 본 논문에서는 의사 미래 프레임 예측을 활용하여 모델의 효과적인 지각 범위를 확장하는 새로운 시간적 SSC 프레임워크인 Creating the Future SSC (CF-SSC)를 제안합니다. CF-SSC는 포즈와 깊이를 결합하여 정확한 3D 대응 관계를 설정하고, 3D 공간에서 과거, 현재, 예측된 미래 프레임을 기하학적으로 일관되게 융합합니다. 단순한 특징 스태킹에 의존하는 기존 방법과 달리, 3D 인식 아키텍처를 통해 공간-시간 관계를 명시적으로 모델링하여 보다 강력한 장면 완성을 달성합니다. SemanticKITTI 및 SSCBench-KITTI-360 벤치마크에 대한 포괄적인 실험을 통해 최첨단 성능을 입증하여, 가려진 부분 추론과 3D 장면 완성 정확도 향상에 대한 방법의 효과를 검증합니다.
