arXiv eess.AS· Khubaib Ahmed, Ahsan Adeel, Nasir Saleem, Kia Dashtipour, Ahsan Ulhaq, Amir Hussain·· 2 天前评分40
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
导读
一种强化学习驱动的神经架构搜索（RL-NAS）框架被用于发现紧凑高效的音视频语音增强（AVSE）架构，仅评估 35 个候选架构即找到 290 万参数模型，相比 2200 万参数的基线缩小约九倍。该架构实现 14.5 dB 的 SI-SNR 提升，仅比基线低 0.7 dB，在商用移动 CPU 上实时因子降低 4.3 倍，搜索效率较随机搜索高 92%。
来源：arXiv eess.AS · arxiv.org