في هذه الورقة، نقترح حلًا عميقًا مُشَغَّلًا بشكل ضعيف لترميز وفك ترميز الزمن في الكشف عن الشذوذ في مقاطع الفيديو المراقبة باستخدام التعلم متعدد المجموعات (Multiple Instance Learning). يعتمد النهج المقترح على استخدام مقاطع فيديو طبيعية وغير طبيعية خلال مرحلة التدريب، وذلك ضمن إطار العمل متعدد المجموعات حيث نعامل الفيديو كـ "حقيبة" (bag)، ومقاطع الفيديو (القطعة) كـ "عناصر" (instances) داخل هذه الحقيبة. تكمن المساهمة الأساسية لدينا في النهج الجديد لاعتبار العلاقات الزمنية بين عناصر الفيديو. فنحن نتعامل مع عناصر الفيديو (المقاطع) كبيانات مرئية تسلسلية، وليس كعناصر مستقلة. ونستخدم شبكة عميقة لمعالجة الزمن والترميز (deep temporal encoder network) مصممة لالتقاط التطور المكاني-الزمني لعناصر الفيديو عبر الزمن. كما نقترح دالة خسارة جديدة، تكون أملس من الدوال المشابهة التي تم تقديمها مؤخرًا في الأدبيات المتعلقة بالرؤية الحاسوبية، مما يُمكّنها من التقارب الأسرع وتحمل أفضل للقيم المحلية أثناء مرحلة التدريب. تم اختبار الأسلوب الزمني المقترح لترميز وفك ترميز الفيديو مع دالة الخسارة المُعدّلة مقابل أحدث الحلول المطروحة في دراسات محاكاة. وأظهرت النتائج أن الأسلوب المقترح يحقق أداءً مماثلًا أو أفضل من الحلول الرائدة في مجال الكشف عن الشذوذ في تطبيقات مراقبة الفيديو.