주요 목적은 기존 최첨단 기법을 분석하고, 정상 및 비정상 패턴을 포착하는 데 활용된 개념들을 명확히 설명하기 위한 광범위한 개요를 제시함으로써 언급된 문제들에 대한 여러 해결책을 제시하는 것이다. 또한 다양한 전략을 탐구함으로써, 지속적으로 최첨단 성능을 향상시키는 새로운 접근법을 개발할 수 있었다. 더불어, 다양한 싸움 상황을 포함하는 특정 이상 탐지 이벤트에 대해 프레임 단위로 완전히 애노테이션된 새로운 대규모, 세계 최초의 데이터셋이 연구 공동체에서 자유롭게 활용할 수 있도록 공개한다. 본 문서와 함께 최소한의 감독을 요구하는 목적을 위해 두 가지 서로 다른 제안이 제시된다. 첫 번째 방법은 최근의 자기지도 학습(self-supervised learning) 기법을 활용하여 애노테이션 작업의 번거로움을 피하고, 반복 학습 프레임워크를 통해 두 개의 독립된 전문가가 베이지안 프레임워크를 통해 상호 데이터를 주고받으며 훈련 데이터를 자동으로 레이블링하는 방식을 사용한다. 두 번째 제안은 약한 레이블이 부여된 영상 데이터를 활용하여 다중 예제 학습(multiple instance learning) 프레임워크 내에서 이상 순위 모델을 학습하는 새로운 방법을 탐색한다. 이 경우 훈련 레이블은 영상 단위로 이루어진다. 실험은 여러 유명한 데이터셋에서 수행되었으며, 제안된 솔루션은 기존 최첨단 기법을 뚜렷하게 상회하는 성능을 보였다. 또한 개념 증명 시스템으로서, 다양한 환경에서 수집한 실제 세계 시뮬레이션 결과를 제시하여 학습된 모델의 현장 테스트 성능을 평가하였다.