본 논문은 공간-시간 예측에서 신호 이상, 잡음, 분포 변화와 같은 실제 시나리오의 어려움을 해결하기 위해 새로운 테스트 시간 컴퓨팅 패러다임인 ST-TTC(Learning with Calibration for Spatio-Temporal Forecasting)를 제시합니다. ST-TTC는 비정상성으로 인한 주기적 구조적 편향을 테스트 단계에서 포착하고 예측에 대한 실시간 편향 수정을 수행하여 정확도를 향상시킵니다. 구체적으로, 주기적 이동을 완화하기 위해 위상-진폭 변조를 사용하는 스펙트럼 도메인 보정기를 도입하고, 효율적인 테스트 시간 계산을 위해 스트리밍 메모리 큐를 사용하는 플래시 업데이트 메커니즘을 제안합니다. 복잡한 훈련 단계 기술을 효과적으로 우회하여 효율적이고 일반화 가능한 패러다임을 제공합니다. 실제 데이터 세트에 대한 광범위한 실험을 통해 제안된 방법의 효과, 보편성, 유연성 및 효율성을 보여줍니다.
