في هذا البحث، نقترح إطارًا جديدًا بالكامل وغير مشرف عليه يتعلم تمثيلات الأنشطة المناسبة لمهمة تقسيم الأنشطة من الفيديو المدخل الوحيد دون الحاجة إلى أي بيانات تدريبية. طريقتنا هي نهج للتعلم العميق بالقياسات يعتمد على شبكة سطحية تعمل بخسارة ثلاثية (triplet loss) على توزيعات التشابه واستراتيجية اختيار ثلاثي جديدة فعالة تُشكل أولويات زمنية ودلالية للكشف عن الأنشطة في المساحة التمثيلية الجديدة. في هذه الظروف، ننجح في استعادة الحدود الزمنية في التمثيلات المُتعلمة للأنشطة بجودة أعلى مقارنة بالتقنيات غير المشرفة الموجودة حاليًا. يتم تقييم الطريقة المقترحة على مجموعتين من البيانات الشائعة الاستخدام لمهمة تقسيم الأنشطة، حيث تحقق أداءً تنافسيًا من خلال تطبيق خوارزمية تصنيف عامة على التمثيلات المُتعلمة.