Otter：通过增强RWKV 缓解宽角少样本动作识别中的背景干扰
计算机视觉与模式识别
2026-03-20 v6
摘要
宽角视频在少样本动作识别（FSAR）中有效表达特定情境中的动作。然而，由于缺乏对主体和背景的全局理解，在面对背景干扰的情况下仍难以识别此类样本中的动作。Receptance Weighted Key Value（RWKV）通过学习各种维度之间的相互作用显示出全球建模的潜力。虽然直接将RWKV应用于宽角FSAR可能因背景信息过多而无法突出显示主体。此外，帧间相似背景导致的时序关系降低也难以重建，进而影响性能。因此，我们设计了Compound Segmentation Module（CSM）以分割并强调每帧中的关键区域，有效地在背景信息中突出显示主体。我们将Temporal Reconstruction Module（TRM）集成到时序增强原型构建中，以实现双向扫描，更好地重建时序关系。此外，我们还结合了常规原型和时序增强原型，同时增强主体突出显示和时序建模，提高宽角FSAR性能。在SSv2、Kinetics、UCF101和HMDB51等基准测试上的广泛实验表明，Otter实现了最先进的性能。额外在VideoBadminton数据集上的评估进一步验证了Otter在宽角FSAR中的优越性。
引用
@article{arxiv.2511.06741,
title = {Otter: Mitigating Background Distractions of Wide-Angle Few-Shot Action Recognition with Enhanced RWKV},
author = {Wenbo Huang and Jinghui Zhang and Zhenghao Chen and Guang Li and Lei Zhang and Yang Cao and Fang Dong and Takahiro Ogawa and Miki Haseyama},
journal= {arXiv preprint arXiv:2511.06741},
year = {2026}
}
备注
Accepted by AAAI 2026 Oral