본 논문은 시간적 행동 지역화(TAL) 문제에 대한 새로운 자기 학습 반복 학습 모델을 제시합니다. 기존의 지도 학습 및 약지도 학습 방법들은 많은 레이블이 필요하지만, 본 논문은 비지도 학습 방식을 통해 레이블 없이도 TAL을 수행합니다. 기존의 비지도 학습 방식이 가지는 클러스터링 신뢰도 저하 및 비디오 의사 레이블의 신뢰성 문제를 해결하기 위해, 문맥적 특징을 활용하여 클러스터링 신뢰도를 향상시키고, 두 가지 증분 인스턴스 학습 전략(일정 속도 및 가변 속도)을 설계하여 의사 레이블의 신뢰성을 높임으로써 전체적인 지역화 성능을 향상시킵니다. 두 개의 공개 데이터셋에 대한 실험을 통해 기존 최첨단 모델보다 우수한 성능을 보임을 입증합니다.
