NeRF-Insert：基于多模态控制信号的三维局部编辑
内容提要
本研究提出了CustomNeRF模型，能够通过文本描述或参考图像实现三维场景的自适应编辑。采用局部-全局迭代编辑训练方案，解决了前景区域和多视角一致性问题。实验结果表明，该模型在文本和图像驱动下能产生精确的编辑结果，提升了NeRF的可编辑性和输出质量。
延伸解读
局部-全局迭代编辑如何提升多视角一致性
CustomNeRF采用局部-全局迭代编辑（LGIE）训练方案，针对前景区域编辑和多视角一致性两大挑战。该方法通过迭代优化，在局部编辑时兼顾全局场景的连贯性，从而减少不同视角下的视觉矛盾。这有助于在文本或图像驱动下生成更精确的编辑结果，提升NeRF的可编辑性和输出质量。
类别先验正则化解决图像驱动编辑的视图不一致
在图像驱动编辑中，不同视图之间常出现不一致性。CustomNeRF设计了一种基于类别先验的正则化方法，利用类别层面的先验知识约束编辑过程，使各视图的编辑结果更协调。这一设计针对图像驱动场景的特定问题，增强了编辑的鲁棒性和一致性。
CustomNeRF在NeRF编辑领域的定位与贡献
文章将CustomNeRF与现有NeRF编辑工作（如LENeRF、Blending-NeRF、Seal-3D等）并列提及，显示其属于文本或图像驱动三维场景编辑的研究脉络。CustomNeRF的创新在于同时支持文本和参考图像作为编辑提示，并通过LGIE和类别先验正则化应对一致性问题，实验表明其在两种驱动方式下均能产生精确编辑结果。
Q&A
CustomNeRF模型的主要功能是什么？
CustomNeRF模型能够通过文本描述或参考图像实现自适应的三维场景编辑。
局部-全局迭代编辑训练方案的目的是什么？
该方案旨在解决前景区域和多视角一致性问题。
CustomNeRF模型如何提高编辑结果的精确性？
通过设计基于类别先验的正则化方法，解决图像驱动编辑中不同视图之间的不一致性。
实验结果显示CustomNeRF模型的优势是什么？
实验结果表明，该模型在文本和图像驱动下能产生精确的编辑结果，提升了NeRF的可编辑性和输出质量。
CustomNeRF模型在三维场景编辑中解决了哪些挑战？
它解决了前景区域和多视角一致性等重要挑战。
CustomNeRF模型的应用场景有哪些？
该模型适用于需要精确三维场景编辑的任务，如游戏开发、虚拟现实等领域。
