نقترح نهجًا بسيطًا ولكنه قوي لفصل الأشياء دون إشراف في مقاطع الفيديو. نقدم دالة هدف حيث يمثل الحد الأدنى لها القناع (mask) للشيء الرئيسي البارز على مدار التسلسل الدخلي. تعتمد هذه الدالة فقط على الخصائص المستقلة للصور والتدفق البصري، والتي يمكن الحصول عليها باستخدام طرق ذاتية الإشراف جاهزة للاستخدام. تتناسب مع طول التسلسل دون الحاجة إلى فائق البكسلات (superpixels) أو التخفيف، وتعمل بشكل عام على مجموعات بيانات مختلفة دون أي تدريب خاص. يمكن في الواقع اشتقاق هذه الدالة الهدف من شكل من أشكال التجميع الطيفي المطبق على الفيديو بأكمله. تحقق طريقتنا أداءً مماثلًا لأحدث التقنيات في المقاييس القياسية (DAVIS2016، SegTrack-v2، FBMS59)، بينما تكون مفهوميًا وعمليًا أكثر بساطة بكثير. الكود متاح على الرابط: https://ponimatkin.github.io/ssl-vos.