本文提出了一种自我监督模型，能够在长视频中联合学习目标物体状态及其变化行为，采用噪声自适应加权模块进行训练，显著提升了目标动作和物体状态识别的性能。同时，研究探讨了弱监督学习方法在动作检测和分类中的应用，展示了在多个数据集上的良好表现。