该研究提出了一种文本到操作的模型，能够将编辑请求转化为可解释的编辑操作，并通过算法生成编辑序列。介绍了多种图像编辑技术，包括基于文本的图像生成和自适应编辑算法，显著提升了编辑性能和可编辑性。

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。