基于强化学习NAS的高效音视频语音增强研究

2026年10月12日，arXiv Audio and Speech（一手）发表论文，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。该框架的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。研究仅评估 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。目前报道仅涉及该论文本身，尚无后续验证或应用进展。

Generated from reports · updated 2 hr ago

There is not enough continuous observation data to draw a trend yet.