اكتشاف الشذوذ في الفيديو تحت التسميات الضعيفة يتم صياغته كمشكلة تعلم متعدد الحالات نموذجية في الأعمال السابقة. في هذا البحث، نقدم وجهة نظر جديدة، وهي مهمة تعلم مشرف عليه تحت التسميات الضوضائية. من خلال هذه النظرة، طالما تم تنظيف الضوضاء التصنيفية، يمكننا تطبيق تصنيفات الأنشطة المشرفة بالكامل مباشرة على اكتشاف الشذوذ المشرف عليه بشكل ضعيف، والاستفادة القصوى من هذه المصنفات التي تم تطويرها جيدًا. لتحقيق هذا الغرض، قمنا بتصميم شبكة تجميع الرسوم البيانية لتصحيح التسميات الضوضائية. بناءً على التشابه الخاص بالميزات والثبات الزمني، تقوم شبكتنا بنقل إشارات الإشراف من المقاطع ذات الثقة العالية إلى تلك ذات الثقة المنخفضة. بهذه الطريقة، تكون الشبكة قادرة على تقديم إشراف مُنظف لمصنفات الأنشطة. خلال مرحلة الاختبار، نحتاج فقط للحصول على توقعات مقاطعية من مصنف النشاط دون أي معالجة ما بعد إضافية. أظهرت التجارب الواسعة على 3 مجموعات بيانات بمستويات مختلفة وباستخدام نوعين مختلفين من مصنفات الأنشطة فعالية طريقتنا. بشكل لافت للنظر، حصلنا على درجة AUC (Area Under the Curve) المستوى الإطاري بنسبة 82.12% على مجموعة بيانات UCF-Crime.