arXiv · cs.AI· Khubaib Ahmed, Ahsan Adeel, Nasir Saleem, Kia Dashtipour, Ahsan Ulhaq, Amir Hussain·· 5 小时前
强化学习神经架构搜索实现高效音视频语音增强
Efficient Audio-Visual Speech Enhancement via Reinforcement Learning-Based Neural Architecture Search
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Khubaib Ahmed, Ahsan Adeel, Nasir Saleem, Kia Dashtipour, Ahsan Ulhaq, Amir Hussain
研究任务与主要进展
作者提出RL-NAS框架，通过强化学习搜索紧凑的音视频语音增强架构，仅评估35个候选模型并找到包含290万参数的模型，基线为2200万参数。作者报告该模型达到14.5 dB的SI-SNR提升，较基线低0.7 dB，同时模型大小约缩小9倍；在商用移动CPU上，实时因子降低4.3倍，较随机搜索的搜索效率提高92%。摘要未说明数据集、噪声条件及完整实验细节。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org