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 17 055 مشتركاً، محتلاً المرتبة 7 629 في فئة التكنولوجيات والتطبيقات والمرتبة 2 198 في منطقة ماليزيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 17 055 مشتركاً.
بحسب آخر البيانات بتاريخ 14 يوليو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -138، وفي آخر 24 ساعة بمقدار -1، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 18.73%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 7.49% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 3 195 مشاهدة. وخلال اليوم الأول يجمع عادةً 1 278 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 15 يوليو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
17 055
المشتركون
-124 ساعات
-177 أيام
-13830 أيام
جاري تحميل البيانات...
القنوات المماثلة
سحابة العلامات
الإشارات الواردة والصادرة
---
---
---
---
---
---
جذب المشتركين
يوليو '26
يوليو '26
+19
في 0 قنوات
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 | |
| 14 يوليو | +1 | |||
| 13 يوليو | 0 | |||
| 12 يوليو | +10 | |||
| 11 يوليو | +1 | |||
| 10 يوليو | +3 | |||
| 09 يوليو | 0 | |||
| 08 يوليو | 0 | |||
| 07 يوليو | 0 | |||
| 06 يوليو | 0 | |||
| 05 يوليو | 0 | |||
| 04 يوليو | 0 | |||
| 03 يوليو | 0 | |||
| 02 يوليو | +4 | |||
| 01 يوليو | 0 |
منشورات القناة
🦧 MonkeyOCRv2 is out! 🦧
👉MonkeyOCRv2 is a text-centric visual foundation model that unifies fine-grained text modeling, cross-task representation learning, and cross-lingual generalization in a single encoder. Released for academic research and non-commercial use💙
👉Review https://t.ly/yicEK
👉Paper https://arxiv.org/pdf/2607.11562
👉Repo https://github.com/Yuliang-Liu/MonkeyOCRv2
| 2 |  🎂REMIND: long-term MOT re-ID🎂
👉REMIND by CVAR-UPM is a novel online tracker designed for long-term multi-object re-ID of generic indoor objects from monocular RGB, requiring neither camera pose nor depth. Repo under MIT💙
👉Review https://t.ly/AkQoI
👉Paper https://lnkd.in/dm58mkCv
👉Project https://lnkd.in/dZrAZqFe
👉Repo https://lnkd.in/dbidrwxU | 1 336 |
| 3 |  🌔Foundation Global SFM🌔
👉Glob3R is a global SfM-style reconstruction built on 3D foundation models. key idea: explicitly optimize feed-forward geometric predictions. Repo TBA💙
👉Review https://t.ly/Z_4C7
👉Paper https://arxiv.org/pdf/2607.09225
👉Project https://junyuandeng.github.io/Glob3r/
👉Repo TBA | 1 644 |
| 4 |  💋SAM-MT: Real-Time Multi-Target VOS💋
👉Fudan & Shangai unveil SAM-MT, an efficient interactive multi-target video segmentation framework that maintains near-single-object efficiency (FPS/VRAM) as target count increases, while maintaining robust video segmentation performance. Repo available💙
👉Review https://t.ly/Z_4C7
👉Paper https://lnkd.in/dvS-iyBD
👉Project https://lnkd.in/daQ8na8T
👉Repo https://lnkd.in/dgbX2tZv | 2 197 |
| 5 |  🔥ZipDepth: Depth on Any Device🔥
👉ZipDepth from UniBO is a compact monocular depth network that bridges this gap by combining an efficient reparameterizable encoder-decoder with large-scale knowledge distillation from a foundation model. Repo under MIT💙
👉Review https://t.ly/qYrLZ
👉Paper https://arxiv.org/pdf/2607.08771
👉Project https://zipdepth.github.io/
👉Repo https://github.com/fabiotosi92/ZipDepth | 2 438 |
| 6 |  🏵️SoccerNet 2026 Results🏵️
👉The SoccerNet 2026 Challenges constitute the sixth annual edition of the SoccerNet open benchmarking effort, dedicated to advancing computer vision research in sports video understanding💙
👉Review https://t.ly/sfD4T
👉Paper https://lnkd.in/dSBgW_3s
👉Project https://lnkd.in/dfdmuvG8 | 2 315 |
| 7 |  🐈⬛Spatial-perception native ViT🐈⬛
👉LingBot-Vision, a vision foundation model pretrained to be spatial-perception native. Better than 7x bigger foundational models. Repo under Apache💙
👉Review https://t.ly/9xIso
👉Paper https://arxiv.org/pdf/2607.05247
👉Project https://technology.robbyant.com/lingbot-vision
👉Repo https://github.com/robbyant/lingbot-vision | 2 874 |
| 8 |  🏯Worldwide Semantic Facade🏯
👉A centimeter-accurate / cross-continental facade point clouds, with fine-grained semantic segmentation of architectural elements, and hierarchical facade taxonomy. 2.7B Dataset💙
👉Review https://t.ly/PpyFD
👉Paper https://arxiv.org/pdf/2607.02018
👉Project jiangyuanwangyi.github.io/UnderOneFacade_official
👉Data drive.google.com/drive/folders/1Yzz7PmyeK1qeOtkTFCfkbw7IEHXcMJo8 | 3 002 |
| 9 |  🔥Nvidia SpatialClaw is out🔥
👉From Nvidia a novel training-free framework for spatial reasoning that adopts code as the action interface. SpatialClaw lets a VLM-backed agent write Python in a persistent kernel, composing perception modules, inspecting intermediate results, and revising its strategy across steps. Impressive: +11.2 points on 20 benchmarks💙
👉Review https://t.ly/7JB0x
👉Paper https://arxiv.org/pdf/2606.13673
👉Project https://spatialclaw.github.io/
👉Repo https://github.com/NVlabs/SpatialClaw | 3 995 |
| 10 |  🌒LUNA: Universal 3D Human Animation🌔
👉LUNA by HKUST + META is a novel LBS-free universal neural animation model that directly maps multiple 2D controls like images, keypoints, sketch and unseen characters into 3D-G deformations, bypassing explicit body fitting.
👉Review https://t.ly/ZX9Ex
👉Paper https://arxiv.org/pdf/2606.31981
👉Project https://penghtyx.github.io/LUNA/
👉Repo N/A 🥲 | 3 287 |
| 11 |  🛸PriorEye: Geospatial Self-Driving🛸
👉MRG (Oxford) introduces geospatial visual priors to leverage the street-level images in autonomous driving. Consistent improvement in performance. Repo under Apache💙
👉Review https://t.ly/7Jgav
👉Paper https://lnkd.in/dYeD2m7n
👉Project https://lnkd.in/dWJvNemr
👉Repo https://lnkd.in/dNExGGtx | 2 833 |
| 12 |  🍀OctoSense: Open Sensing🍀
👉OctoSense is an open-source sensor platform with stereo RGB and event cameras, LiDAR, a thermal camera, an inertial measurement unit, RTK-corrected global positioning system, and proprioception.
👉Review https://t.ly/oFN8L
👉Paper https://lnkd.in/dM3zpyju
👉Project https://lnkd.in/ddrQ3uJ6
👉Repo https://lnkd.in/dhSDjSfG | 2 819 |
| 13 |  👋 Hi everyone!
Over the past few weeks, the number of join requests has increased dramatically, which unfortunately also means a much higher number of spam and bots (in the last days around five hundreds been cut off)
To help me distinguish real people from fake profiles - and avoid rejecting genuine requests by mistake - I'd really appreciate if your profile includes:
📷 A real profile photo
👤 Your full name (or something reasonably identifiable)
💬 If you contact me, please use English if possible.
I don't speak Russian, Arabic, or Chinese, so if your profile and messages are only in those languages, it's very difficult for me to tell whether you're a real person or an automated account. Thank you for your understanding and for helping keep this damn community welcoming and spam-free!
With love,
Alessandro 😈 | 3 254 |
| 14 |  🔊VolHuMe - Volumetric Human Meshes🔊
👉VolHuMe (H/T @Martinella_94) is a novel, high-resolution large-scale dataset of volumetric human meshes with complete 4D GT: multi-view RGB-D, textured meshes, dense point clouds, normal maps, rigged assets, garment segmentation, and SMPL-X fittings in one dataset. Insane💙
👉Review https://t.ly/b5vxy
👉Paper https://arxiv.org/pdf/2606.23062
👉Project giuli13.github.io/volhume-website/#
👉Repo TBA soon | 3 177 |
| 15 |  🕷️Human Universal Grasping🕷️
👉HUG is a flow-matching model that generates diverse human grasps for any user-specified object in a single RGB-D image captured from a stereo camera.
👉Review https://t.ly/VG1Eu
👉Paper https://arxiv.org/pdf/2606.17054
👉Repo https://github.com/KevinyWu/hug
👉Project https://grasping.io/ | 4 698 |
| 16 |  🔍 Nvidia Locate Anything 🔍
👉Diverse localization tasks under a unified vision-language model, including document understanding, GUI grounding, dense detection, and OCR. Repo released💙
👉Review https://t.ly/PvwFo
👉Paper https://lnkd.in/dWfNpzPZ
👉Project https://lnkd.in/dM89BX-8
👉Repo https://lnkd.in/dC4KCQSM | 5 789 |
| 17 |  🪔Latent Decoding with Pixel Diffusion🪔
👉PiD by Nvidia is a plug-and-play diffusion decoder that replaces VAE/RAE decoders, turning latent representations directly into super-resolved pixels in a single pass. Repo under Apache 2.0💙
👉Review https://t.ly/y19mA
👉Paper https://lnkd.in/duVC25C2
👉Project https://lnkd.in/dW6TkzCB
👉Repo https://lnkd.in/dnGdgKRr | 5 421 |
| 18 |  🍒Count Anything, Any Granularity🍒
👉Open-world counting as multi-grained counting, where visual exemplars specify target appearance and fine-grained text specifies the intended semantic granularity across five explicit levels. Repo/Data under Apache💙
👉Review https://t.ly/nqz80
👉Paper https://lnkd.in/dp7khTRU
👉Project https://lnkd.in/d_jfX_Yn
👉Repo https://lnkd.in/dkTRGZkG
👉Data https://lnkd.in/dB83jRyT | 5 537 |
| 19 |  🦄Unified Correspondence Transformer🦄
👉UniCorrn is the first correspondence model with shared weights that unifies 2D-2D, 2D-3D, and 3D-3D geometric matching with an end-to-end transformer architecture. Repo under CC BY-NC-SA 4.0💙
👉Review https://t.ly/2OBdq
👉Paper https://arxiv.org/pdf/2605.04044
👉Project https://neu-vi.github.io/UniCorrn/
👉Repo https://github.com/neu-vi/UniCorrn | 5 415 |
| 20 | About the frequency of posting in the channel: | 4 497 |
