AI with Papers - Artificial Intelligence & Deep Learning
Ir al canal en 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
Mostrar más📈 Análisis del canal de Telegram AI with Papers - Artificial Intelligence & Deep Learning
El canal AI with Papers - Artificial Intelligence & Deep Learning (@ai_deeplearning) en el segmento lingüístico de Inglés es un actor destacado. Actualmente la comunidad reúne a 17 224 suscriptores, ocupando la posición 7 346 en la categoría Tecnologías y Aplicaciones y el puesto 2 104 en la región Malasia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 17 224 suscriptores.
Según los últimos datos del 05 octubre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 184, y en las últimas 24 horas de 16, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 20.45%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 7.07% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 3 522 visualizaciones. En el primer día suele acumular 1 218 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 11.
- Intereses temáticos: El contenido se centra en temas clave como framework, object, dataset, tba, depth.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“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”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 06 octubre, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Tecnologías y Aplicaciones.
17 224
Suscriptores
+1624 horas
+1917 días
+18430 días
Carga de datos en curso...
Canales Similares
Nube de Etiquetas
Menciones Entrantes y Salientes
---
---
---
---
---
---
Atraer Suscriptores
octubre '26oct '26
octubre '26
+183
en 0 canales
septiembre '26
+109
en 0 canales
Get PRO
agosto '26
+71
en 2 canales
Get PRO
julio '26
+56
en 0 canales
Get PRO
junio '26
+52
en 0 canales
Get PRO
mayo '26
+90
en 0 canales
Get PRO
abril '26
+207
en 0 canales
Get PRO
marzo '26
+718
en 0 canales
Get PRO
febrero '26
+140
en 1 canales
Get PRO
enero '26
+2 306
en 0 canales
Get PRO
diciembre '25
+157
en 1 canales
Get PRO
noviembre '25
+201
en 0 canales
Get PRO
octubre '25
+243
en 1 canales
Get PRO
septiembre '25
+147
en 3 canales
Get PRO
agosto '25
+140
en 0 canales
Get PRO
julio '25
+162
en 0 canales
Get PRO
junio '25
+107
en 0 canales
Get PRO
mayo '25
+152
en 1 canales
Get PRO
abril '25
+331
en 0 canales
Get PRO
marzo '25
+459
en 1 canales
Get PRO
febrero '25
+600
en 0 canales
Get PRO
enero '25
+643
en 1 canales
Get PRO
diciembre '24
+542
en 1 canales
Get PRO
noviembre '24
+439
en 2 canales
Get PRO
octubre '24
+350
en 3 canales
Get PRO
septiembre '24
+215
en 0 canales
Get PRO
agosto '24
+295
en 0 canales
Get PRO
julio '24
+396
en 1 canales
Get PRO
junio '24
+439
en 0 canales
Get PRO
mayo '24
+533
en 0 canales
Get PRO
abril '24
+483
en 0 canales
Get PRO
marzo '24
+501
en 1 canales
Get PRO
febrero '24
+493
en 0 canales
Get PRO
enero '24
+522
en 1 canales
Get PRO
diciembre '23
+400
en 0 canales
Get PRO
noviembre '23
+330
en 0 canales
Get PRO
octubre '23
+298
en 0 canales
Get PRO
septiembre '23
+482
en 0 canales
Get PRO
agosto '23
+136
en 0 canales
Get PRO
julio '23
+173
en 0 canales
Get PRO
junio '23
+112
en 0 canales
Get PRO
mayo '23
+164
en 0 canales
Get PRO
abril '23
+234
en 0 canales
Get PRO
marzo '23
+216
en 0 canales
Get PRO
febrero '23
+400
en 0 canales
Get PRO
enero '23
+435
en 0 canales
Get PRO
diciembre '22
+372
en 0 canales
Get PRO
noviembre '22
+5 238
en 0 canales
| Fecha | Crecimiento de Suscriptores | Menciones | Canales | |
| 06 octubre | +1 | |||
| 05 octubre | +16 | |||
| 04 octubre | +15 | |||
| 03 octubre | +64 | |||
| 02 octubre | +77 | |||
| 01 octubre | +10 |
Publicaciones del Canal
🐇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 |
