可调节运行时计算成本的轻量化神经放大模型
机器学习
2025-11-12 v1
摘要
本工作展示了可调整运行时计算成本的"轻量化神经放大模型"（Slimmable NAM）， musician可在准确率与计算资源之间轻松进行权衡。该方法的性能基于常用基准进行量化评估，并开发了一个用于音频效果插件的实时演示。
引用
@article{arxiv.2511.07470,
title = {Slimmable NAM: Neural Amp Models with adjustable runtime computational cost},
author = {Steven Atkinson},
journal= {arXiv preprint arXiv:2511.07470},
year = {2025}
}
备注
2 pages, 2 figures. Accepted to NeurIPS 2025 workshop on AI for Music