本文提出了多种新颖的时序动作定位方法，包括自适应递增学习模型、半监督学习框架和弱监督定位框架。这些方法通过改进伪标签生成和对比损失等技术，显著提升了在多个数据集上的性能，超越了现有技术。

该研究使用三种方法解决弱监督定位问题，利用Xception网络作为骨干架构，证明了弱监督定位的可行性，并发现基于局部分数的最佳检测方法对于较松的监督更不敏感。