AI with Papers - Artificial Intelligence & Deep Learning
الذهاب إلى القناة على Telegram
All the AI with papers. Every day fresh updates about #DeepLearning #MachineLearning #LLM & #ComputerVision Curated by Alessandro Ferrari | https://www.linkedin.com/in/visionarynet/ #AI #chatGPT
إظهار المزيد📈 نظرة تحليلية على قناة تيليجرام AI with Papers - Artificial Intelligence & Deep Learning
تُعد قناة AI with Papers - Artificial Intelligence & Deep Learning (@ai_deeplearning) في القطاع اللغوي الإنكليزية لاعباً نشطاً. يضم المجتمع حالياً 17 259 مشتركاً، محتلاً المرتبة 7 509 في فئة التكنولوجيات والتطبيقات والمرتبة 2 130 في منطقة ماليزيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 17 259 مشتركاً.
بحسب آخر البيانات بتاريخ 25 أكتوبر, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار 261، وفي آخر 24 ساعة بمقدار 2، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 16.91%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 7.04% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 2 918 مشاهدة. وخلال اليوم الأول يجمع عادةً 1 216 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 16.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل framework, object, dataset, tba, depth.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“All the AI with papers. Every day fresh updates about #DeepLearning #MachineLearning #LLM & #ComputerVision
Curated by Alessandro Ferrari | https://www.linkedin.com/in/visionarynet/
#AI #chatGPT”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 26 أكتوبر, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
17 259
المشتركون
+224 ساعات
+17 أيام
+26130 أيام
جارٍ تحميل البيانات
القنوات المماثلة
سحابة العلامات
الإشارات الواردة والصادرة
---
---
---
---
---
---
جذب المشتركين
أكتوبر '26أكتوبر '26
أكتوبر '26
+266
في 0 قنوات
سبتمبر '26
+109
في 0 قنوات
Get PRO
أغسطس '26
+71
في 2 قنوات
Get PRO
يوليو '26
+56
في 0 قنوات
Get PRO
يونيو '26
+52
في 0 قنوات
Get PRO
مايو '26
+90
في 0 قنوات
Get PRO
أبريل '26
+207
في 0 قنوات
Get PRO
مارس '26
+718
في 0 قنوات
Get PRO
فبراير '26
+140
في 1 قنوات
Get PRO
يناير '26
+2 306
في 0 قنوات
Get PRO
ديسمبر '25
+157
في 1 قنوات
Get PRO
نوفمبر '25
+201
في 0 قنوات
Get PRO
أكتوبر '25
+243
في 1 قنوات
Get PRO
سبتمبر '25
+147
في 3 قنوات
Get PRO
أغسطس '25
+140
في 0 قنوات
Get PRO
يوليو '25
+162
في 0 قنوات
Get PRO
يونيو '25
+107
في 0 قنوات
Get PRO
مايو '25
+152
في 1 قنوات
Get PRO
أبريل '25
+331
في 0 قنوات
Get PRO
مارس '25
+459
في 1 قنوات
Get PRO
فبراير '25
+600
في 0 قنوات
Get PRO
يناير '25
+643
في 1 قنوات
Get PRO
ديسمبر '24
+542
في 1 قنوات
Get PRO
نوفمبر '24
+439
في 2 قنوات
Get PRO
أكتوبر '24
+350
في 3 قنوات
Get PRO
سبتمبر '24
+215
في 0 قنوات
Get PRO
أغسطس '24
+295
في 0 قنوات
Get PRO
يوليو '24
+396
في 1 قنوات
Get PRO
يونيو '24
+439
في 0 قنوات
Get PRO
مايو '24
+533
في 0 قنوات
Get PRO
أبريل '24
+483
في 0 قنوات
Get PRO
مارس '24
+501
في 1 قنوات
Get PRO
فبراير '24
+493
في 0 قنوات
Get PRO
يناير '24
+522
في 1 قنوات
Get PRO
ديسمبر '23
+400
في 0 قنوات
Get PRO
نوفمبر '23
+330
في 0 قنوات
Get PRO
أكتوبر '23
+298
في 0 قنوات
Get PRO
سبتمبر '23
+482
في 0 قنوات
Get PRO
أغسطس '23
+136
في 0 قنوات
Get PRO
يوليو '23
+173
في 0 قنوات
Get PRO
يونيو '23
+112
في 0 قنوات
Get PRO
مايو '23
+164
في 0 قنوات
Get PRO
أبريل '23
+234
في 0 قنوات
Get PRO
مارس '23
+216
في 0 قنوات
Get PRO
فبراير '23
+400
في 0 قنوات
Get PRO
يناير '23
+435
في 0 قنوات
Get PRO
ديسمبر '22
+372
في 0 قنوات
Get PRO
نوفمبر '22
+5 238
في 0 قنوات
| التاريخ | نمو المشتركين | الإشارات | القنوات | |
| 26 أكتوبر | 0 | |||
| 25 أكتوبر | +2 | |||
| 24 أكتوبر | +1 | |||
| 23 أكتوبر | +4 | |||
| 22 أكتوبر | +3 | |||
| 21 أكتوبر | +7 | |||
| 20 أكتوبر | +4 | |||
| 19 أكتوبر | +2 | |||
| 18 أكتوبر | +4 | |||
| 17 أكتوبر | +4 | |||
| 16 أكتوبر | +7 | |||
| 15 أكتوبر | +2 | |||
| 14 أكتوبر | +4 | |||
| 13 أكتوبر | +3 | |||
| 12 أكتوبر | +5 | |||
| 11 أكتوبر | +4 | |||
| 10 أكتوبر | +6 | |||
| 09 أكتوبر | +3 | |||
| 08 أكتوبر | +2 | |||
| 07 أكتوبر | +10 | |||
| 06 أكتوبر | +7 | |||
| 05 أكتوبر | +16 | |||
| 04 أكتوبر | +15 | |||
| 03 أكتوبر | +64 | |||
| 02 أكتوبر | +77 | |||
| 01 أكتوبر | +10 |
منشورات القناة
🫀 SKIM V2 is out🫀
👉SOMA recovers muscle deformation over time from surface observations captured by multi-view RGB cameras, the first approach of this kind. SKIM v2: a new soft-tissue deformation dataset. Code under MIT, data & weights NC💙
👉Review https://lnkd.in/p/dB4XS7vB
👉Paper https://lnkd.in/d64S_qxj
👉Project https://lnkd.in/dWtavYGn
👉Repo https://lnkd.in/dXNJqY6N
| 2 |  🧊 SOTA Foundation Pose 🧊
👉From one segmented RGB-D observation, directly predict 6D pose, metric size, and camera-frame completed shape. Repo under Apace 2.0💙
👉Review https://lnkd.in/p/dXpXt7Pz
👉Paper https://arxiv.org/pdf/2610.31623
👉Project https://jrryzh.github.io/F2G-Pose/
👉Repo https://github.com/jrryzh/F2G-Pose | 1 398 |
| 3 |  🍵3D from Single Human RGB🍵
👉Real-to-semantic-to-real pipeline that turns one monocular RGB video of a human demonstration into thousands of robot demonstrations. Code TBA💙
👉Review https://lnkd.in/p/dt-B2QMt
👉Paper https://arxiv.org/pdf/2610.28880
👉Project https://real2sem2real.github.io/
👉Repo TBA | 2 113 |
| 4 |  🥭Agentic Manga->Animation🥭
👉Manga2Animate: turning existing manga pages into coherent animation that stays faithful to the original manga. Impressive results, best with sound. Code released.💙
👉Review https://lnkd.in/p/dHpdPAj3
👉Paper https://arxiv.org/pdf/2610.26851
👉Project https://annchenn.github.io/Manga2Animate/
👉Repo https://github.com/annchenn/Manga2Animate | 2 103 |
| 5 |  🔥SOTA Video Matting (long clips)🔥
👉VideoMaMa++ (#NeuroIPS 2026): mask-guided video matting framework that recovers fine-grained details (e.g., hair strands) and scales reliably to long videos. Impressive results, NC code announced💙
👉Review https://lnkd.in/p/dj3_zE3P
👉Paper https://arxiv.org/pdf/2610.26857
👉Project https://cvlab-kaist.github.io/VideoMaMa-PlusPlus/
👉Repo https://github.com/cvlab-kaist/VideoMaMa-PlusPlus | 2 252 |
| 6 |  🏵️Lang-Informed Lossless Encoder🏵️
👉Stanford's LILIE: an invertible image transform trained such that a vision-language model can recover captions from noised features. Code, encoders, and generative models💙
👉Review https://lnkd.in/dMgakzWm
👉Paper https://arxiv.org/pdf/2610.23653
👉Project https://www.suchiragarwal.com/lilie/
👉Repo https://github.com/SuchirAgarwal/lilie | 2 305 |
| 7 |  🔥700 FPS Humans Recovery🔥
👉One model, any sparse signal: OmniPoser recovers full-body 3D human motion from 3D keypoints, sparse IMU rotations, head-mounted 6-DoF poses, or any subset or combination of these signals. All within a SINGLE model. Repo under nc-cc license💙
👉Review https://lnkd.in/p/e-xAquHt
👉Paper https://arxiv.org/pdf/2610.19857
👉Project https://jamesbridgewater51.github.io/omniposer-eccv/
👉Repo https://github.com/JamesBridgewater51/omniposer | 3 085 |
| 8 | Back to post on Twitter 😈
https://x.com/ai_withpapers | 2 664 |
| 9 |  🎊 Pixel-Level 4D Humans 🎊
👉Dense4D from the Imperial College is the first feed-forward model dedicated to dense 4D correspondence across the body, clothing and hair from a set of monocular RGB images, without a body template. Code announced💙
👉Review https://lnkd.in/p/e9GXGggz
👉Paper https://arxiv.org/pdf/2610.22325
👉Project https://alpguler.com/dense4d/
👉Repo TBA | 2 639 |
| 10 |  🧊SOTA category-level 9D Pose🧊
👉SJTU at #NeurIPS 2026 with the new SOTA among RGB-based methods for category-level 9D pose estimation. Code announced💙
👉Review https://lnkd.in/p/e5BvM7Ua
👉Paper https://arxiv.org/pdf/2610.18374
👉Project https://souglad21.github.io/SchemaPose/
👉Repo TBA | 2 754 |
| 11 |  🐇Segment where you look🐇
👉KAUST (+Adobe) revisited the interface through which a vision-language model passes the location of its referent to a segmentation decoder. Code announced💙
👉Review https://lnkd.in/p/er_ifxGR
👉Paper https://lnkd.in/eATXw98R
👉Project https://lnkd.in/eXSWvxPN
👉Repo TBA | 2 567 |
| 12 | Hi everyone 👋
over the past months, engagement on my posts has grown a lot, which tells me the content you value is getting better. At the same time, impressions have dropped, and I think a big part of the reason is the flood of low-quality viral posts filling many of our feeds. PROVE ME WRONG 😂
The best way to push back is to engage with the posts that are actually worth your time. Open the post on LinkedIn, then leave a comment (even a couple of lines with your take), and like, share, or save it if it's useful. Comments are the most valuable, but every action helps. With ~100,000 of us following along, this is how we tell the algorithm, and me, what deserves more space.
Fight fire with fire! | 3 023 |
| 13 |  🥬 Rotational neural keypoint 🥬
👉RaCo is a rotationally equivariant neural keypoint detector that identifies stable and repeatable keypoints. Code under Apache 2.0💙
👉Review https://lnkd.in/p/ezQzUwju
👉Paper https://arxiv.org/pdf/2602.15755
👉Repo https://github.com/cvg/RaCo | 3 251 |
| 14 |  🫏What EGO does not teach🫏
👉A brilliant work about a controlled study of how interaction fidelity in ego-centric world models behaves as a function of scale. Closing this gap will depend on how models are trained, not only on how much data they see. Repo available soon💙
👉Review https://lnkd.in/p/dzKbCCfr
👉Paper https://lnkd.in/dcpReY9E
👉Project https://lnkd.in/dnpfpZnG
👉Repo TBA | 1 179 |
| 15 |  🟨 Rome from ONE pic 🟥
👉Detailed scene meshes from one photograph: the method completes geometry beyond the observed view and supports indoor, outdoor, and large-scale scenes. Repo announced💙
👉Review https://lnkd.in/p/eMdWBEGn
👉Paper https://arxiv.org/pdf/2610.08790
👉Project https://build-rome.github.io/
👉Repo TBA | 4 559 |
| 16 |  🐇Physically Plausible 3D Motion🐇
👉Physically plausible motion recovery: given a monocular video, FlowHMR recovers global 3D human motion that a physics-based controller can successfully track in simulation. Repo💙
👉Review https://lnkd.in/p/d77fzUtR
👉Paper https://arxiv.org/pdf/2610.03691
👉Project https://flowhmr.github.io/
👉Repo https://github.com/flowhmr/flowhmr | 4 364 |
| 17 |  🔥The Computer Vision ultimate collection🔥
👉Stan Birchfield (#Nvidia) just dropped this on arXiv. From classical image processing and 3D geometry to CNNs, Transformers, foundation models, and neural rendering. What makes this book damn good is the combination of clear explanations and working Python. A gift.
👉Review https://lnkd.in/p/ejwm_DVn
👉Book https://lnkd.in/eTrEvmd9
👉Code https://lnkd.in/eakj9VZU | 5 620 |
| 18 |  🔥🔥 70,000+ 🔥🔥
👉 Crazy how a boring science project (no kittens, no rants, no personal dramas) can reach for 70,000+ followers. Speechless.
Love u 💛
👉 https://lnkd.in/p/eD6Xxdxi | 4 338 |
| 19 |  🔥Ego-Exo4D Human Dataset🔥
👉Form the University of Austin, Ego-Exo4D-HM: large-scale dataset of 4D human motion reconstructions for Ego-Exo4D’s captures + reconstruction pipeline. Code, dataset, and docs released💙
👉Review https://lnkd.in/p/eVFt9jPr
👉Paper https://lnkd.in/eWj4cD7T
👉Project https://lnkd.in/euPqVNxV | 3 990 |
| 20 |  🔥TrackEverything is out🔥
👉TrackEverything is the first 3D point tracker capable of tracking all visible points across long horizons (1000+ frames). Repo announced💙
👉Review https://lnkd.in/p/eCPJ6h2B
👉Paper https://arxiv.org/pdf/2609.30222
👉Project https://trackeverything.github.io/
👉Repo https://github.com/ayushjain1144/trackeverything | 4 370 |
