본 논문에서는 짝지어지지 않은 불완전 및 완전 포인트 클라우드 데이터로부터 완성 맵을 학습하여, 짝지어진 데이터셋에 대한 의존성을 피하는 짝지어지지 않은 포인트 클라우드 완성 문제를 다룹니다. 특히, 불균형 최적 수송(Unbalanced Optimal Transport, UOT) 문제로써 짝지어지지 않은 완성 작업을 공식화하는 UOT-UPC(Unbalanced Optimal Transport Map for Unpaired Point Cloud Completion) 모델을 제안합니다. 신경망을 사용하여 UOT 맵을 학습하는 신경망 기반 OT 모델을 활용하며, 단일 및 다중 범주 벤치마크에서 경쟁력 있는 또는 우수한 성능을 달성합니다. 특히 실제 짝지어지지 않은 포인트 클라우드 완성 시나리오에서 자주 발생하는 클래스 불균형 문제에 대해 강건합니다.