项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 54
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
同类项目推荐
DTrOCR
开源
用纯解码器 Transformer 直接生成文字，简化 OCR 识别流程
A PyTorch implementation of DTrOCR: Decoder-only Transformer for Optical Character R···
dpscreenocr
开源
框选屏幕任意区域，一键提取文字到剪贴板
A program to recognize text on the screen
Uni3D
开源
一个预训练模型搞定多种3D理解任务，零样本也能识别物体。
[ICLR'24 Spotlight] Uni3D: 3D Visual Representation from BAAI
FoundAD
开源
用基础视觉编码器，少样本即可精准检测异常
[ICLR 2026] The implementation of the paper Foundation Visual Encoders Are Secretly ···
neuriplo-infer
开源
一个 C++ 程序跑通检测分割分类光流多任务
C++ app for computer vision inference, supporting multiple tasks and backends.
scene-language
开源
用程序+文字+嵌入，一句话生成可编辑的3D场景
(CVPR 2025 Highlight) The Scene Language: Representing Scenes with Programs, Words, ···
nnDetection
开源
医学3D检测免调参，换数据集直接跑
nnDetection is a self-configuring framework for 3D (volumetric) medical object detec···
Awesome_Mamba
开源
一网打尽医学影像中的高效状态空间模型研究
Computation-Efficient Era: A Comprehensive Survey of State Space Models in Medical I···
FrozenBiLM
开源
冻结语言模型，零样本看懂视频回答问题
[NeurIPS 2022] Zero-Shot Video Question Answering via Frozen Bidirectional Language ···