최근 NeRF와 3D Gaussian Splatting(3DGS) 등 3차원 표현 기술의 발전으로 사실적인 3D 재구성이 가능해졌으며, 나아가 편집, 애니메이션, 생성 등 다양한 응용 분야로 확장되고 있다. 특히 확산 모델(Diffusion Model)의 등장으로 텍스트 기반의 3D 콘텐츠 생성 및 조작이 가능해졌지만, 확산 모델의 특성상 사용자가 원하는 특정 대상만을 선택적으로 수정하기 어렵다는 한계가 존재한다. 일부 연구에서는 특정 부위만 수정하는 part-level editing에서 높은 성능을 보였으나, 사전 3D 세그멘테이션 성능에 높은 의존성을 보인다. 본 연구에서는 명시적인 3D 세그멘테이션 없이 효율적이고 정밀한 텍스트 기반 얼굴 부위 편집이 가능한 프레임워크를 제안한다. 제안된 방법은 메쉬 기반 얼굴 표현 위에 Gaussian을 리깅(rigging) 하고, 사전에 부위별로 정의된 마스크 정보를 활용하여 각 Gaussian이 해당 클래스 정보를 상속받도록 설계하였다. 이후 편집 단계에서는 목표 클래스에 속한 Gaussian만을 선택적으로 활성화하고, 확산 모델 기반의 편집 과정을 통해 전역 구조를 유지하면서 국소 부위만 정밀하게 수정한다. 제안된 방법은 의미적으로 일관되고 정확한 부분 편집을 달성하였으며, 기존 3D 편집 기법 대비 높은 효율성을 입증하였다.