GenHowTo

从教学视频学习动作生成，让 AI 看懂操作步骤

GenHowTo 是 CVPR 2024 论文的官方代码实现，专注于从教学视频中学习生成动作和状态转换。它解决的是如何让 AI 理解视频中的操作步骤，并生成可执行的行动指令或状态变化描述。核心能力包括：利用大规模教学视频进行模型训练，提取视频中的动作序列和物体状态变化，并生成相应的文本或视觉输出。项目提供完整的训练和推理流程，支持自定义数据集，适合研究视频理解、动作生成和具身智能等领域。

开源 free 设计创意

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 54

维护状态低维护

是否开源是

定价模式 free

项目数据

分类设计创意

开发团队soCzech

所属国家

官网地址https://soczech.github.io/genhowto

GitHubhttps://github.com/soCzech/GenHowTo

定价模式free

价格说明开源项目，MIT许可证，完全免费，需自行部署。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型diffusion-model,diffusion-models,generative-ai,generative-art,generative-model

GitHub 星标★ 54

30天Star增速

HF 下载量

上线时间2023-12-11 00:00:00

最近更新2026-04-17 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

核心亮点

基于 CVPR 2024 论文，方法有学术创新性，适合发论文或复现实验
代码结构清晰，包含训练和推理脚本，便于二次开发
面向教学视频，直接服务于具身智能和机器人操作学习场景

不足之处

GitHub 星标仅 54，社区活跃度低，文档和示例可能不够完善
依赖特定视频数据集，数据获取和预处理成本较高

适用场景

学术研究：复现论文实验，探索视频到动作生成的新方法
机器人学习：将教学视频转化为机器人可执行的操作指令
智能助手：理解视频教程并生成步骤说明，辅助用户完成任务

替代项目

VideoCLIP、FrozenBiLM、ActionFormer

项目介绍

GenHowTo 是计算机视觉领域的开源项目，由 soCzech 开发，2023 年首次发布。

它收录于计算机视觉分类，该分类目前共有 446 个项目，GitHub 星标数为 54。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-04-17。MIT许可证，完全免费，需自行部署。

它主要面向的使用场景是：学术研究：复现论文实验，探索视频到动作生成的新方法。同类可对比的替代方案包括 VideoCLIP、FrozenBiLM、ActionFormer。

上一篇：rabbit-ear

下一篇：2d-diffusion-limited-aggregation-experiments