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

📈 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 17 236 مشتركاً، محتلاً المرتبة 7 687 في فئة التكنولوجيات والتطبيقات والمرتبة 2 248 في منطقة ماليزيا.

📊 مؤشرات الجمهور والحراك

منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 17 236 مشتركاً.

بحسب آخر البيانات بتاريخ 03 يونيو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -80، وفي آخر 24 ساعة بمقدار -13، مع بقاء الوصول العام مرتفعاً.

حالة التحقق: غير موثّقة
معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 13.16‎%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً N/A‎% من ردود الفعل نسبةً إلى إجمالي المشتركين.
وصول المنشورات: يحصل كل منشور على متوسط 2 271 مشاهدة. وخلال اليوم الأول يجمع عادةً 0 مشاهدة.
التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 14.
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 04 يونيو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.

17 236

المشتركون

-1324 ساعات

-677 أيام

-8030 أيام

2 271

عرض المشاهدات

لا توجد بيانات24 ساعات

لا توجد بيانات48 ساعات

13.16%

معدل المشاركة

لا توجد بيانات

المشاركات في اليوم

Ads index

beta

جاري تحميل البيانات...

القنوات المماثلة

24.6K

Machine learning books and papers

16.8K

Artificial Intelligence

Artificial Intelligence / Deep & Machine Learning (Data Science)

قنوات أخرى

سحابة العلامات

الإشارات الواردة والصادرة

---

جذب المشتركين

يونيو '26

في 0 قنوات

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
04 يونيو	0
03 يونيو	0
02 يونيو	+5
01 يونيو	+2

منشورات القناة

🔍 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

2	🪔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	3 445
3	🍒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	5 093
4	🦄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	5 285
5	About the frequency of posting in the channel:	4 448
6	🪝Syn4D: Multiview Synthetic 4D Dataset🪝 👉Syn4D is novel multi-view synthetic dataset of dynamic scenes that includes ground-truth camera motion, depth maps, dense tracking, and parametric human pose annotations💙 👉Review https://t.ly/SL1mk 👉Paper https://arxiv.org/pdf/2605.05207 👉Project https://jzr99.github.io/Syn4D/ 👉Repo https://github.com/jzr99/Syn4D 👉Data huggingface.co/datasets/Syn4D/Syn4D_RGBD/tree/main	3 967
7	🧘‍♀️Holistic Shot Boundary Detection🧘‍♀️ 👉OmniShotCut detects shot changes of the video in diverse sources (anime, vlog, game, shorts, sports, screen recording, etc.), and recognize Sudden Jump and Transitions (dissolve, fade, wipe, etc.) by proposing a Shot-Query-based Video Transformer. Repo, demo & benchmark💙 👉Review https://t.ly/sTi7N 👉Paper https://arxiv.org/pdf/2604.24762 👉Project uva-computer-vision-lab.github.io/OmniShotCut_website/ 👉Repo github.com/UVA-Computer-Vision-Lab/OmniShotCut	4 295
8	🛒 Reshoot-Anything is out 🛒 👉Reshoot-Anything reshoots dynamic monocular videos under novel camera trajectories. Code under Apache 2.0 💙 👉Review https://t.ly/MIqAc 👉Paper https://arxiv.org/pdf/2604.21776 👉Project adithyaiyer1999.github.io/reshoot-anything/ 👉Repo github.com/morphicfilms/video-to-video	0
9	💙 PY4AI 2026: here we are! 💙 👉The third edition of our conference is official! Speaker list and (free) tickets: https://t.ly/L4_52	0
10	🎈Face Anything 4D (SOTA)🎈 👉A novel unified 4D facial reconstruction and dense tracking from image sequences: new SOTA in facial single-image and mono-video depth estimation, dense 4D reconstruction, and 3D point tracking. Repo & Dataset announced💙 👉Review https://t.ly/zItie 👉Paper https://arxiv.org/pdf/2604.19702 👉Project kocasariumut.github.io/FaceAnything 👉Repo TBA	0
11	🌗Mobile Ultra-detailed Avatars🌗 👉Given skeletal poses and a virtual camera as inputs, MUA by Max Planck Institute produces photorealistic renderings and hyper-detailed geometry of animatable clothed humans. Repo announced💙 👉Review https://t.ly/QPCy6 👉Paper https://arxiv.org/pdf/2604.18583 👉Project https://vcai.mpi-inf.mpg.de/projects/MUA/ 👉Repo TBA	0
12	👩‍🦰 3D Head w/ Deformable Hair 👩‍🦰 👉Xi’an Jiaotong University unveils a novel method that reconstructs decoupled 3D Gaussian head avatars from a single input image: effortless hairstyle transfer with natural dynamic hair motion. Code announced💙 👉Review https://t.ly/kWZdd 👉Paper https://arxiv.org/pdf/2604.14782 👉Project yuansun-xjtu.github.io/CompHairHead.io/ 👉Repo yuansun-xjtu.github.io/CompHairHead.io/	0
13	🐞GCT 3D Reconstruction🐞 👉ANT unveils LingBot-Map, a feed-forward 3D foundation model for reconstructing scenes from streaming data, built upon a geometric context transformer (GCT) architecture. Repo under A-NC 4.0 International💙 👉Review https://t.ly/ExodA 👉Paper https://arxiv.org/pdf/2604.14141 👉Project https://arxiv.org/pdf/2604.14141 👉Repo github.com/robbyant/lingbot-map	0
14	📱3D Human-Object Contact📱 👉Pi-HOC by CMU + NREC is a novel single-pass, instance-aware framework for dense 3D semantic contact prediction of all human-object pairs. Repo announced💙 👉Review https://t.ly/TAgG1 👉Paper https://arxiv.org/pdf/2604.12923 👉Project https://pi-hoc.github.io/ 👉Repo https://github.com/SravanChittupalli/Pi-HOC	0
15	🐓Interactive Objects from EgoVideo🐓 👉EgoFun3D by Simon Fraser University is a coordinated task, dataset and benchmark for modeling interactive 3D objects from egocentric videos. Repo (TBA), demo & dataset💙 👉Review https://t.ly/YhGN7 👉Paper arxiv.org/pdf/2604.11038 👉Project 3dlg-hcvc.github.io/EgoFun3D/ 👉Repo github.com/3dlg-hcvc/EgoFun3D 👉Demo bc79fea884062374b3.gradio.live/	0
16	🧴OmniShow: Automatic Contents Creation🧴 👉OmniShow is the novel SOTA in content creation with industry-grade performance. Impressive results, best with audio. Repo announced💙 👉Review https://t.ly/Pm-7U 👉Paper arxiv.org/pdf/2604.11804 👉Project correr-zhou.github.io/OmniShow/ 👉Repo github.com/Correr-Zhou/OmniShow	0
17	🔥SOTA 3D Detection in the wild🔥 👉WildDet3D is a novel unified geometry-aware architecture that natively accepts text, point, and box prompts and can incorporate auxiliary depth signals at inference time. New SOTA! Repo, models & #iphone💙 👉Review https://t.ly/8NxBN 👉Paper https://arxiv.org/pdf/2604.08626 👉Project https://allenai.github.io/WildDet3D/ 👉Repo https://github.com/allenai/WildDet3D	0
18	🐞6D Object Pose w/ Deformation🐞 👉DeSOPE by Xidian & #MagicLeap is a novel large-scale dataset for 6DoF deformed objects: 665K pose annotations produced via a semiautomatic pipeline. Repo & Dataset announced💙 👉Review https://t.ly/M5VgX 👉Paper https://arxiv.org/pdf/2604.06720 👉Project https://desope-6d.github.io/ 👉Repo TBA	0
19	🪞1.1M Metric VTON Dataset🪞 👉Google's Fit-Inclusive Try-on: large-scale VTO dataset comprising over 1.13M try-on image triplets accompanied by precise body and garment measurements. Repo & dataset announced💙 👉Review https://t.ly/cs-pt 👉Paper arxiv.org/pdf/2604.08526 👉Project johannakarras.github.io/FIT/ 👉Repo TBA	0
20	Here the preview, tomorrow the full clip from official source :)	0

عرض جميع المنشورات