광간섭 단층 촬영 (Optical Coherence Tomography, OCT)은 안과학에서 필수적이지만, 특히 저가형 장치에서의 일관되지 않은 이미지 품질은 자동화된 분석을 방해합니다. 이를 해결하기 위해, 우리는 노이즈가 있는 입력으로부터 고품질의 대리 이미지 (surrogate images)를 생성하는 흐름 매칭 (flow-matching) 기반의 테스트 시간 적응 (test-time adaptation) 방법을 소개합니다. 일반적으로 테스트 데이터와 훈련 데이터 사이의 도메인 간극 (domain gaps)은 노이즈 제거 (denoising) 과정 중에 픽셀 분포의 불일치를 유발합니다. 우리는 테스트 이미지의 히스토그램을 합성 참조 궤적 (synthetic reference trajectories)에 맞춤으로써 이를 극복하며, 입력을 예상된 분포와 성공적으로 정렬합니다. 또한, 실제 세계의 노이즈 분포에서 발생하는 미세한 편차를 고려하기 위해 네트워크의 시간 조건화 (time conditioning)를 제거합니다. 우리의 접근 방식은 황반변성 (Age-related Macular Degeneration, AMD)의 두 단계에 대한 핵심 바이오마커 (biomarkers) 분할에서 최첨단 (state-of-the-art) 성능을 달성합니다. 코드는 다음에서 확인할 수 있습니다: https://github.com/Veit21/tta-flow.