本文综述了视频人类活动分割与识别的多项研究：提出Fisher向量结合时间模型的端到端生成式方法；利用自监督认知预测学习缓解RNN灾难性遗忘；通过连续时间嵌入实现无监督动作发现；借助叙述语言弱监督提升分割性能；提出融合帧级与段级线索的Transformer框架；采用自监督学习与RNN/HMM进行无监督分割；FGSN细粒度分割改善长期视觉定位；DeepSegmenter统一分割与分类以识别异常驾驶；多粒度生成器执行时间动作提议；以及基于HMM的弱监督框架结合新Viterbi算法与特征亲和正则化。