本研究通过观察视觉起点和目标来规划教学视频过程，利用标题作为监督，减少标记成本。使用BLIP生成标题并进行对比学习，在两个数据集上验证了模型的有效性，表现良好。

提议、评估、搜索：利用大语言模型实现教学视频中的目标导向规划
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证