MonoScene提出了一种3D语义场景完成框架，可以从单个单眼RGB图像推断出场景的密集几何和语义，并解决2D到3D的场景重建问题。该框架引入了3D上下文关系先验以实现空间-语义一致性，实验结果表明在所有指标和数据集上均优于先前的研究，甚至能够虚构出超出镜头视野的逼真场景。