arXiv · Audio and Speech· Khubaib Ahmed, Ahsan Adeel, Nasir Saleem, Kia Dashtipour, Ahsan Ulhaq, Amir Hussain·· 3 小时前AI 评分25
基于强化学习神经架构搜索的高效音视频语音增强
Efficient Audio-Visual Speech Enhancement via Reinforcement Learning-Based Neural Architecture Search
AI 导读
该论文提出强化学习驱动的神经架构搜索（RL-NAS）框架，用于发现紧凑高效的音视频语音增强架构。搜索空间保留音频与视觉流的时序对齐，奖励函数联合优化 SI-SNR 提升与模型紧凑度，仅评估 35 个候选架构即找到 2.9M 参数模型（基线为 22M），SI-SNR 提升 14.5 dB、仅比基线低 0.7 dB，模型体积缩小约 9 倍。
来源：arXiv · Audio and Speech · arxiv.org