Semantic UV mapping to improve texture inpainting for indoor scenes

本文旨在提高扫描室内网格中杂物去除后的纹理修补。通过一种新的UV映射预处理步骤，利用室内场景的语义信息，更准确地将UV岛与墙壁和地板等不同结构元素的3D表示匹配。语义UV映射通过不仅依赖几何特征，还依赖于当前纹理的视觉特征，丰富了经典的UV展开算法。分割改善了UV映射，同时简化了去除松散物体后场景的3D几何重建。每个分割元素可以使用相邻元素的边界条件分别重建。由于这是一个预处理步骤，因此未来可以使用其他专门的几何和纹理重建方法来进一步改进结果。

提高扫描室内网格中杂物移除后的纹理修复效果。

利用室内场景的语义信息，通过新的UV映射预处理步骤来更准确地匹配UV岛与墙壁、地板等不同结构元素的3D表示，从而改善纹理修复效果。

论文提出的语义UV映射方法不仅依赖于几何特征，还利用纹理的视觉特征来丰富传统的UV展开算法。通过分割元素，简化了移除松散物体后场景的3D几何重建。实验使用了多个数据集进行验证，并且提供了开源代码。

最近的相关研究包括：'Semantic Scene Completion from a Single Depth Image'，'Scene Completion with Vision Transformers'，'Learning to Complete Partially Observed 3D Reconstructions'等。