我々のフレームワークは、時間チャンネル重要度マップを導入し、重要度マップを利用して知識蒸留により入力例の表現を学習することで、この困難な課題に対処する。 また，目的関数に正則化スキームを組み込むことで，ビデオの異なる時間ステップから得られた個々の特徴が相関しないように促し，最終的には致命的な忘却を軽減することで精度を向上させる．

提案手法を、UCF101、HMDB51、Something-Something V2データセットを用いて構築されたクラス増分行動認識ベンチマークの新しい分割版で評価し、もともと画像データ用に設計された既存の継続的学習手法と比較して、本アルゴリズムの有効性を実証した。