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。

本文介绍了一种新颖的扩散模型ActionDiffusion，用于指导教学视频中的过程规划。该模型考虑了动作之间的时间依赖关系，并利用了动作按特定顺序执行的信息。实验结果表明，该方法在准确性以外的指标上胜过了以前的最先进方法，提高了过程规划的性能。

研究人员提出了ActionDiffusion扩散模型，用于教学视频中的过程规划。该模型考虑了动作之间的时间依赖关系，实现了对动作的学习和去噪。实验证明该方法在准确性以外的指标上优于现有方法。

本研究提出了一种基于事件引导的范式，用于从带有文本监督的指令视频中进行过程规划的任务。该模型采用遮盖和预测方法进行关系挖掘，并将事件信息编码到顺序建模过程中来支持过程规划。实验证明了该模型的有效性。