PulseAugur
中
实时 12:48:57
English(EN) DBHN-Net: Dual-Branch Hybrid Neural Network For Low-Complexity Monaural Speech Enhancement

新的DBHN-Net将语音增强复杂度降低7.5倍

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的双分支混合神经网络（DBHN-Net），旨在显著降低语音增强系统的计算复杂度和功耗。该网络集成了传统的人工神经网络（ANN）和脉冲神经网络（SNN），其中SNN分支负责降低功耗，ANN分支负责补偿潜在的信息损失。据报道，这种混合方法以及用于特征提取和融合的专用模块，在公共数据集上取得了优于现有模型的性能，同时将计算复杂度平均降低了7.5倍。 AI

影响 这种新架构可以实现更高效的设备端语音增强，改善移动和嵌入式应用中的用户体验。

排序理由 这是一篇详细介绍用于语音增强的新神经网络架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Cunhang Fan, Enrui Liu, Jing Zhou, Jian Kang, Jie Li, Andong Li, Jian Zhou, Zhao Lv, Xuelong Li ·

    DBHN-Net：用于低复杂度单声道语音增强的双分支混合神经网络

    arXiv:2606.05911v1 Announce Type: cross Abstract: Although artificial neural network (ANN) based speech enhancement (SE) methods demonstrate excellent performance, the high computational complexity and high energy consumption hinder their deployment in practical front-end process…

相关实体

相关话题