热点事件观察中

RL-NAS 搜索出紧凑音视频语音增强架构

1 篇报道1 个报道来源2 天前更新

先了解这件事

事件综述

Khubaib Ahmed 等作者提出一种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（AVSE）架构。该框架仅评估 35 个候选架构，就找到参数量 290 万的模型，而基线为 2200 万参数，模型规模缩小约九倍。作者称，该架构取得 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%。这些结果来自论文自身的评估，尚待独立验证。

根据报道生成 · 1 天前更新

最新进展10月12日 12:00

基于强化学习神经架构搜索的高效音视频语音增强

报道时间线

沿着报道，了解事件的不同侧面。

10月12日

12:00
arXiv eess.AS
基于强化学习神经架构搜索的高效音视频语音增强
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%。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。