研究人员提出了一种名为VLOGGER的人体视频生成方法，通过扩展最新的扩散生成模型，在人体到3D动作扩散模型和扩散式架构两方面加入空间和时间控制，实现了高质量视频生成的支持。使用新的更大规模的数据集进行训练和评估，VLOGGER在图像质量、身份保持、时间一致性和生成上半身手势等方面优于现有方法，并展示了在视频编辑和个性化方面的应用。