¡Ya disponible! Investigación de Telegram 2025 — los principales insights del año 
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 17 236 suscriptores, ocupando la posición 7 687 en la categoría Tecnologías y Aplicaciones y el puesto 2 248 en la región Malasia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 17 236 suscriptores.
Según los últimos datos del 03 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -80, y en las últimas 24 horas de -13, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 13.16%. Durante las primeras 24 horas tras publicar, el contenido suele obtener N/A% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 2 271 visualizaciones. En el primer día suele acumular 0 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 14.
- 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 04 junio, 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.
17 236
Suscriptores
-1324 horas
-677 días
-8030 días
Carga de datos en curso...
Canales Similares
Nube de Etiquetas
Menciones Entrantes y Salientes
---
---
---
---
---
---
Atraer Suscriptores
junio '26
junio '26
+7
en 0 canales
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 | |
| 04 junio | 0 | |||
| 03 junio | 0 | |||
| 02 junio | +5 | |||
| 01 junio | +2 |
Publicaciones del Canal
🔍 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 |
