1. FOSCo‑Netは自己教師ありボクセル補完フレームワークで、時間的に重なった複数スキャンから得られる自動教師を用いて、単一スキャンから遮蔽された森林のジオメトリを再構築します。 2. 学習の目標は、密集スキャンで得られた完全な地図と単一の疎スキャンとの差分であり、稀疎エンコーダ―、密集デコーダ―、σ‑ゲーテッドスキップ接続を併用したネットワークが各ボクセルの占有ロジットを予測します。 3. DigiForestsデータセットでMIDUNet2DとLMSCNetをベンチマークに対し、FOSCo‑Net（Gated Skip）は安全性を示すSFPRを0.346に低減し、MIDUNet2Dの0.741を2.1倍改善しました。IoU、F1、再現率、精度も同時に向上しました。 4. 評価はDigiForestsの単一シーケンスに含まれる50ペアの視点のみで実施されており、他の森林タイプや大規模環境への汎化は確認されていません。