본 논문은 Gaussian Splatting 기반 3D 모델의 정밀한 국소 편집을 위한 새로운 프레임워크인 RoMaP를 제안합니다. 기존 방법의 한계인 불일치하는 다중 뷰 2D 파트 분할 및 SDS(Score Distillation Sampling) 손실의 모호성 문제를 해결하기 위해, RoMaP는 3D-Geometry Aware Label Prediction (3D-GALP) 모듈을 통해 정확하고 일관된 파트 분할을 생성하고, 정규화된 SDS 손실 함수와 Scheduled Latent Mixing and Part (SLaMP) 편집 방법을 통해 목표 영역에 대한 정밀한 편집과 문맥적 일관성을 유지합니다. Gaussian prior 제거와 같은 추가 정규화는 기존 문맥을 넘어선 유연한 변형을 가능하게 하고, 강건한 3D 마스킹은 의도하지 않은 편집을 방지합니다. 실험 결과, RoMaP는 재구성 및 생성된 Gaussian 장면과 객체 모두에서 최첨단의 국소 3D 편집 성능을 보여줍니다.
