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 17 224 مشتركاً، محتلاً المرتبة 7 346 في فئة التكنولوجيات والتطبيقات والمرتبة 2 104 في منطقة ماليزيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 17 224 مشتركاً.
بحسب آخر البيانات بتاريخ 05 أكتوبر, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار 184، وفي آخر 24 ساعة بمقدار 16، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 20.45%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 7.07% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 3 522 مشاهدة. وخلال اليوم الأول يجمع عادةً 1 218 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 11.
- 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 06 أكتوبر, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
17 224
المشتركون
+1624 ساعات
+1917 أيام
+18430 أيام
جاري تحميل البيانات...
القنوات المماثلة
سحابة العلامات
الإشارات الواردة والصادرة
---
---
---
---
---
---
جذب المشتركين
أكتوبر '26أكتوبر '26
أكتوبر '26
+183
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 | |
| 06 أكتوبر | +1 | |||
| 05 أكتوبر | +16 | |||
| 04 أكتوبر | +15 | |||
| 03 أكتوبر | +64 | |||
| 02 أكتوبر | +77 | |||
| 01 أكتوبر | +10 |
منشورات القناة
🐇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
| 2 |  🔥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 | 2 617 |
| 3 |  🔥🔥 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 | 2 500 |
| 4 |  🔥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 | 2 716 |
| 5 |  🔥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 | 3 212 |
| 6 |  🦴3D Foundational Radiology🦴
👉nnFoundation: 3D radiological foundation models designed for transferable representation learning across heterogeneous tasks/datasets. Models released💙
👉Review https://lnkd.in/p/ekv-TSN8
👉Paper https://arxiv.org/pdf/2609.26924
👉Models https://huggingface.co/collections/MIC-DKFZ/nnfoundation | 3 033 |
| 7 |  🩻Universal X-ray Segmentation🩻
👉FleXray: universal anatomical segmentation across the entire body in clinical X-rays. Built on a scalable, physics-based generative X-ray data engine. Repo under MIT💙
👉Review https://lnkd.in/p/e9MUk_eq
👉Paper https://arxiv.org/pdf/2609.26756
👉Project https://flexray.csail.mit.edu/
👉Repo https://github.com/VictorButoi/FleXray | 3 103 |
| 8 |  🍿PanoSeg3R: SOTA 3D Segmentation🍿
👉PanoSeg3R is a novel feed-forward framework for 3D panoramic semantic segmentation. New SOTA. Code coming💙
👉Review https://lnkd.in/p/eKCKWv3g
👉Paper https://arxiv.org/pdf/2609.22687
👉Project https://harryyoon777.github.io/PanoSeg3R/#
👉Repo TBA | 3 124 |
| 9 |  🔥Agentic Image-to-Scene🔥
👉HARMONY by UPenn is a hierarchical chain-of-thought framework that leverages both agentic reasoning and visual geometry foundation. Impressive 3D scenes. Repo TBA💙
👉Review https://lnkd.in/p/ep2hmRSp
👉Paper https://arxiv.org/pdf/2609.26793
👉Data https://huggingface.co/datasets/ShufanSun/harmony
👉Project https://cwchenwang.github.io/harmony/
👉Repo TBA | 3 128 |
| 10 |  +++ Breaking +++ | 4 237 |
| 11 |  💦SOTA Splashing Liquids💦
👉SplashSplat reconstructs splashing liquids from real multi-view vide. Impose physical structure only where the observations can constrain it. Impressive results, SOTA. Code TBR under MIT💙
👉Review https://lnkd.in/p/euv4eBja
👉Paper https://arxiv.org/pdf/2609.20818
👉Project niko-creater.github.io/splashsplat-web/
👉Repo https://github.com/Niko-creater/Splashsplat | 3 929 |
| 12 |  👋 EventEgoHands++ is out! 👋
👉EventEgoHands++ is a novel framework for event-based 3D hand mesh reconstruction from an egocentric viewpoint. 1M+ samples dataset! Code/Data released💙
👉Review https://lnkd.in/p/eTbPvXbW
👉Paper https://arxiv.org/pdf/2609.17189
👉Repo https://github.com/ryhara/EventEgoHandsV2
👉Project https://ryhara.github.io/EventEgoHandsV2/ | 3 999 |
| 13 |  🔥 RelateAnything is gold! 🔥
👉RelateAnything is a 53M-parameter relation model that takes an image and a set of regions from any source and returns scored relations over a predicate vocabulary supplied at inference as a list of strings. Impressive results. Repo under Apache 2.0💙
👉Review https://lnkd.in/p/etAcdFM3
👉Paper https://arxiv.org/pdf/2609.12552
👉Repo https://github.com/Maelic/RelateAnything
👉Project https://maelic.github.io/RelateAnythingProject/ | 3 858 |
| 14 |  🦺Efficient/Scalable Video Pretraining🦺
👉LeVJEPA1 (Yann Lecun) is the first video encoder trained under LeJEPA’s collapse-free objective, and evaluate it under frozen probing against video and image pretraining baselines retrained on identical data, in both epoch-matched and FLOP-matched regimes. Repo under MIT💙
👉Review https://lnkd.in/p/eJQAm3AN
👉Paper https://lnkd.in/eCzzTiNH
👉Project https://levjepa.github.io/
👉Repo https://lnkd.in/etiF5CDj | 4 064 |
| 15 |  🔥🔥 Marigold V2 is out 🔥🔥
👉Marigold V2 is out: depth, (impressive) see-through depth, surface normals, albedo, and other dense modalities. SOTA results. Repo under Apache 2.0💙
#AI #deeplearning #AIwithPapers
👉Review https://lnkd.in/p/eKM44yDQ
👉Paper https://arxiv.org/pdf/2609.08084
👉Repo https://github.com/huawei-bayerlab/marigold-v2
👉Project https://huggingface.co/spaces/huawei-bayerlab/marigold-v2-web | 4 003 |
| 16 |  🏀McByte++ tracking-by-detection🏀
👉McByte++ is the newer extension of McByte that advances training-free sports MOT toward long-term ID tracking, while simultaneously improving efficiency and runtime performance. Repo under Apache 2.0💙
👉Review https://lnkd.in/p/e4-diVJS
👉Paper https://lnkd.in/e_Vxky-b
👉Repo https://lnkd.in/e8SeCYmk | 3 777 |
| 17 |  🔥 #AIwithPapers: we are 17,000+ 🔥
👉 Even though 100+ bots are trying to join the discussion chats every day, there are 17,000 of us! Almost all of us are still humans 🧟
😈 Invite -> https://t.me/AI_DeepLearning | 3 889 |
| 18 |  👻Emerging Objs from Motion👻
👉Motion boundaries provide a strong signal for object-level grouping and can be used to derive pseudo-instance supervision. Suitable for: mono-depth, 3D object detection, 3D occupancy, and end-to-end planning. Repo under Apache 2.0💙
👉Review https://lnkd.in/p/eezZrSJE
👉Paper https://arxiv.org/pdf/2609.04348
👉Project https://tj12342.github.io/object-concepts-from-motion/
👉Repo https://github.com/TJ12342/object-concepts-from-motion/tree/main | 3 609 |
| 19 | +++ Mistral raises 3B € +++
👉Discussion: https://lnkd.in/p/eVpF--VW | 3 262 |
| 20 |  🪣Weather-Conditioned Depth Anything🪣
👉Weather-Conditioned Depth Anything from Texas A&M is the new SOTA in weather-robust depth estimation. A curated mix of real and synthetic degradation datasets to extract content-independent, degradation-aware weather embeddings. Repo under Apache💙
👉Review https://lnkd.in/p/eW-dsepD
👉Paper https://lnkd.in/er_MvVft
👉Project https://lnkd.in/ehXPs3C7
👉Repo https://lnkd.in/edk7Ts_r | 3 868 |
