متاح الآن! بحث تيليغرام 2025 — أهم رؤى العام 
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 17 142 مشتركاً، محتلاً المرتبة 7 723 في فئة التكنولوجيات والتطبيقات والمرتبة 2 241 في منطقة ماليزيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 17 142 مشتركاً.
بحسب آخر البيانات بتاريخ 23 يونيو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -190، وفي آخر 24 ساعة بمقدار -2، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 25.09%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 6.86% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 4 302 مشاهدة. وخلال اليوم الأول يجمع عادةً 1 177 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 26.
- 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 24 يونيو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
17 142
المشتركون
-224 ساعات
-367 أيام
-19030 أيام
أرشيف المشاركات
🦠 Instance-Level Semantics of Cells 🦠
👉TYC: novel dataset for understanding instance-level semantics & motions of cells in microstructures
😎Review https://t.ly/y-4VZ
😎Paper arxiv.org/pdf/2308.12116.pdf
😎Project christophreich1996.github.io/tyc_dataset/
😎Code github.com/ChristophReich1996/TYC-Dataset
😎Data tudatalib.ulb.tu-darmstadt.de/handle/tudatalib/3930
Hello everybody,
a lot of you asked me to open the comments to better enjoy the posts. I want to follow your suggestion, hope this new mood likes you.
🔥 NO SPAM
🔥 NO COMMERCIAL
🔥 NO UNRESPECTFUL MESSAGEs
🧡JUST AI & SCIENCE
⚠️ BAN AT THE FIRST VIOLATION ⚠️
🕹️ CoDeF: Video Content Deformation Fields 🕹️
👉Content deformation field is a new type of video representation for video-editing tasks
😎Review https://t.ly/PIVl-
😎Paper arxiv.org/pdf/2308.07926.pdf
😎Project https://qiuyu96.github.io/CoDeF
😎Code https://github.com/qiuyu96/CoDeF
⚡️Feature Matching at Light Speed⚡️
👉LightGlue is a lightweight feature matcher with high accuracy and blazing fast inference
😎Review https://t.ly/jkecX
😎Paper arxiv.org/pdf/2306.13643.pdf
😎Code github.com/cvg/LightGlue
🥎 SportsMOT + MixSort = Sports MOT 🥎
👉Nanjing just released a MOT dataset for sports scenes + the SOTA code/model for tracking (MixSort)
😎Review https://t.ly/NHUxL
😎Paper arxiv.org/pdf/2304.05170.pdf
😎Project deeperaction.github.io/datasets/sportsmot.html
😎Code github.com/MCG-NJU/MixSort
🛒 Digital Twins for AutoRetail Checkout 🛒
👉From #Nvidia a novel approach for using 3D assets for training 2D detection and tracking model in AutoRetail Checkout
😎Review https://t.ly/Ea7kt
😎Paper arxiv.org/pdf/2308.09708.pdf
😎Code github.com/yorkeyao/Automated-Retail-Checkout
🌈 Tracking by Persistent Dynamic View Synthesis 🌈
👉Novel simultaneous addressing of dynamic scene novel-view synthesis + 6-DOF tracking of all dense scene elements
😎Review https://t.ly/Bc535
😎Paper arxiv.org/pdf/2308.09713.pdf
😎Project dynamic3dgaussians.github.io
😎Code github.com/JonathonLuiten/Dynamic3DGaussians
🔥The code is out!🔥
😎 Code https://github.com/NVlabs/neuralangelo
🐘 Controllable Synthetic Data (extending Image-Net) 🐘
👉#META's PUG, a new generation of interactive environments for representation learning. Extending Image-Net!
😎Review https://t.ly/nCYs0
😎Paper arxiv.org/pdf/2308.03977.pdf
😎Project pug.metademolab.com
😎Code github.com/facebookresearch/PUG
👩🚀 HD Avatar via Text & Pose 👩🚀
👉 Generating expressive #3D avatars from nothing but text descriptions & pose guidance
😎Review https://t.ly/wrSMH
😎Paper arxiv.org/pdf/2308.03610.pdf
😎Project avatarverse3d.github.io
🎨 I-Paint: Interactive Neural Painting 🎨
👉 Novel AI-powered tool to help artists in completing their artworks
😎Review https://t.ly/ELUb0
😎Paper arxiv.org/pdf/2307.16441.pdf
😎Project helia95.github.io/inp-website
😎Supp helia95.github.io/inp-website/supp_mat.html
🪛 HANDAL: Real-World Manipulable Objects 🪛
👉 #Nvidia unveils HANDAL dataset: category-level object pose and affordance prediction
😎Review https://t.ly/MXZDI
😎Paper arxiv.org/pdf/2308.01477.pdf
😎Dataset https://wenbowen123.github.io/handaldataset/
🙏 A quick poll for helping me in improving the quality of the contents about #computervision. Please give me a feedback here: https://t.ly/qXb4C
Thanks :)
🎠 Neural Closed-Loop Simulator 🎠
👉A neural sensor simulator that takes a single recorded log captured by a sensor-equipped vehicle and converts it into a realistic closed-loop multi-sensor simulation
😎Review https://t.ly/EcRLc
😎Paper arxiv.org/pdf/2308.01898.pdf
😎Project https://waabi.ai/unisim/
📸 Computational Burst Photography in App 📸
👉#Google unveils a novel computational burst system to democratize the professional photography via smartphone
😎Review https://t.ly/5ibJX
😎Paper arxiv.org/pdf/2308.01379.pdf
😎Project https://motion-mode.github.io
👗 Multimodal Neural Designer 👗
👉 Multimodal #AI that can generate novel fashion images conditioned on text, keypoints, and sketches
😎Review https://t.ly/zVk70
😎Paper arxiv.org/pdf/2304.02051.pdf
😎Code github.com/aimagelab/multimodal-garment-designer
🥬 Consensus-Adaptive RANSAC 🥬
👉A novel RANSAC that learns to explore the parameter space via a novel attention layer
😎Review https://t.ly/eSLmD
😎Paper arxiv.org/pdf/2307.14030.pdf
😎Code github.com/cavalli1234/CA-RANSAC
🥬 Consensus-Adaptive RANSAC 🥬
👉A novel RANSAC that learns to explore the parameter space via a novel attention layer
🐧 Tracking Anything in High Quality 🐧
👉Video multi-object segmenter (VMOS) and a mask refiner (MR) to track anything
😎Review https://t.ly/hAvF2
😎Paper arxiv.org/pdf/2307.13974.pdf
😎Code github.com/jiawen-zhu/HQTrack
