该研究提出了一种边缘保护扩散模型，通过边缘感知噪声调度器解决了传统模型忽略数据结构的问题，实现了更快的收敛，并在图像生成任务中提升了质量，尤其在形状引导生成中效果更佳。

DreamAvatar是一个生成高质量、可控制姿态的3D人类头像的框架，使用NeRF生成3D点密度和颜色特征，通过文本到图像扩散模型提供2D自监督。通过SMPL模型提供粗略的姿势和形状指导生成，并引入双重空间设计。经过评估，证明DreamAvatar优于现有方法，为文本和形状引导的3D人体生成设立了新的技术水准。

DreamAvatar是一个生成高质量、可控制姿态的3D人类头像的框架，使用NeRF生成3D点密度和颜色特征，通过文本到图像扩散模型提供2D自监督。它还使用SMPL模型提供姿势和形状指导，并引入双重空间设计。经过评估，DreamAvatar明显优于现有方法，为文本和形状引导的3D人体生成设立了新的技术水准。