يُعدّ الكشف عن الشذوذ في الفيديو ذي التدريب المُراقب الضعيف مهمة كشف الشذوذ على مستوى الإطارات باستخدام بيانات تدريب مُصنّفة على مستوى الفيديو. ومن الصعب استكشاف ميزات تمثيلية للصنف باستخدام مراقبة ضعيفة محدودة من خلال فرع مُفرد للشبكة العميقة. علاوةً على ذلك، في السياقات الواقعية، تكون الحدود بين السلوك الطبيعي والشاذ غير واضحة، وتختلف حسب الظروف. على سبيل المثال، قد يختلف مفهوم الشذوذ بالنسبة لحركة شخص يجري، حسب ما إذا كان المكان ملعبًا رياضيًا أو طريقًا مزدحمًا. ولهذا السبب، يهدف بحثنا إلى استخلاص ميزات تمييزية من خلال توسيع الفجوة النسبية بين ميزات الفئات من خلال فرع مُفرد. في الطريقة المقترحة، تُستخرج الميزات وفقًا للأوزان التي تُفعّل تلقائيًا حسب الفئة، ثم تُوسَّع الفجوة من خلال التعلّم القائم على المسافة النسبية. علاوةً على ذلك، نظرًا لأهمية العلاقة بين السياق والحركة للكشف عن الشذوذ في المشاهد المعقدة والمتعددة، نقترح وحدة الترابط بين السياق والحركة (CoMo)، التي تُنمذج العلاقة بين مظهر البيئة المحيطة والحركة، بدلًا من الاعتماد فقط على الاعتماد الزمني أو معلومات الحركة. تُظهر الطريقة المقترحة أداءً متفوّقًا على مستوى الحالة الراهنة (SOTA) على أربع معايير، بما في ذلك مجموعات بيانات واقعية كبيرة الحجم، كما نُظهر أهمية المعلومات المتعلقة بالعلاقات من خلال تحليل النتائج النوعية وقدرة التعميم.