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 17 261 مشتركاً، محتلاً المرتبة 7 543 في فئة التكنولوجيات والتطبيقات والمرتبة 2 144 في منطقة ماليزيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 17 261 مشتركاً.
بحسب آخر البيانات بتاريخ 26 أكتوبر, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار 250، وفي آخر 24 ساعة بمقدار 1، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 17.43%. 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 3 008 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 27 أكتوبر, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
17 261
المشتركون
+124 ساعات
+97 أيام
+25030 أيام
أرشيف المشاركات
🪛 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
🦀 simPLE: learning to grasp only with CAD 🦀
👉simPLE learns to pick, regrasp & place objects precisely, given only the object CAD model and no prior experience
😎Review https://t.ly/ab5pA
😎Paper arxiv.org/pdf/2307.13133.pdf
😎Project mcube.mit.edu/research/simPLE.html
🥬 Generative AI’s Next Frontiers 🥬
👉Hair simulation, 2D->3D animation, and much more. ~20 papers from #NVIDIA accepted into #SIGGRAPH2023
😎 Review https://t.ly/wgGin
🛵ALPR via CTS-Matching 🛵
👉UIT unveils a neural approach (#YOLO5 + tracking + rotation) to improve the license plate recognition accuracy
😎Review https://t.ly/VP4BP
😎Paper arxiv.org/pdf/2307.11336.pdf
😎Code github.com/chequanghuy/Character-Time-series-Matching
🪛 CAD-based Object Segmentation 🪛
👉 A novel three-stage approach to segment unseen objects in RGB images using their CAD models
😎Review https://t.ly/RtHLN
😎Paper arxiv.org/pdf/2307.11067.pdf
😎Code https://github.com/nv-nguyen/cnos
🪤 PAPR: Proximity Attention Point Render 🪤
👉PAPR: fast point-based scene representation with differentiable renderer approach
😎Review https://t.ly/yoI0g
😎Paper arxiv.org/pdf/2307.11086.pdf
😎Project https://zvict.github.io/papr
🪤 PAPR: Proximity Attention Point Render 🪤
👉PAPR: fast point-based scene representation with differentiable renderer approach
💪 Muscles in Action with #AI 💪
👉Muscles in Action (MIA): learn to incorporate muscle activity into human motion representations
😎Review https://t.ly/hUKub
😎Paper arxiv.org/pdf/2212.02978.pdf
😎Project musclesinaction.cs.columbia.edu
👩🦰 Ultra-Realistic Neural Hair 👩🦰
👉A novel method to reconstruct the hair geometry at a strand level from monocular video or multi-view images
😎Review https://t.ly/6xZyp
😎Paper arxiv.org/pdf/2306.05872.pdf
😎Project samsunglabs.github.io/NeuralHaircut
😎Code github.com/SamsungLabs/NeuralHaircut
🪟 META's Ultra-Realistic Data for #AR🪟
👉Aria Digital Twin: egocentric dataset for object detection/tracking, reconstruction/understanding, S2R learning, human pose prediction and more
😎Review https://t.ly/MRPt1
😎Paper arxiv.org/pdf/2306.06362.pdf
😎Project www.projectaria.com/datasets/adt/
😎Code github.com/facebookresearch/projectaria_tools
🍉 AltFreezing: new SOTA in detecting fake-faces 🍉
👉#Microsoft unveils AltFreezing: spatial/temporal artifacts in one model for more general face forgery detection
😎Review https://t.ly/mkIKX
😎Paper https://t.ly/z4KnJ
😎Code github.com/ZhendongWang6/AltFreezing
🦙 Llama-2: the Open-Source "#chatgpt"🦙
👉GenAI, #Meta unveils Llama-2: a collection of LLMs ranging in scale 7-70B parameters. Challenging with #chatgpt, but open.
😎Review https://t.ly/bLJgP
😎Paper https://t.ly/AOXru
😎Project https://ai.meta.com/research/publications/llama-2-open-foundation-and-fine-tuned-chat-models/
