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

Malasia2 225 Tecnologías y Aplicaciones7 701...

📈 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 17 144 suscriptores, ocupando la posición 7 701 en la categoría Tecnologías y Aplicaciones y el puesto 2 225 en la región Malasia.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 17 144 suscriptores.

Según los últimos datos del 25 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -186, y en las últimas 24 horas de 3, conservando un alto alcance.

Estado de verificación: No verificado
Tasa de interacción (ER): El promedio de interacción de la audiencia es 23.94%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 6.86% de reacciones respecto al total de suscriptores.
Alcance de las publicaciones: Cada publicación recibe en promedio 0 visualizaciones. En el primer día suele acumular 1 177 visualizaciones.
Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 0.
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 26 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.

17 144

Suscriptores

+324 horas

-367 días

-18630 días

4 105

Visitas de la publicación

~ 1 17724 horas

~ 1 35348 horas

23.94%

Tasa de compromiso

Sin datos

Mensajes por día

Ads index

beta

Archivo de publicaciones

17 144

🔥New SOTA in Panoptic Segmentation🔥 👉#Google (with Hinton🤯) unveils Pix2Seq-D: novel generalist framework for panoptic segmentation 😎Review https://bit.ly/3DmpbGM 😎Paper arxiv.org/pdf/2210.06366.pdf

17 144

🦙LaMAR: Localization/Mapping for #AR🦙 👉A new benchmark for #AR in large and unconstrained scenes 😎Review https://bit.ly/3DjlnWU 😎Paper lamar.ethz.ch/files/LaMAR.pdf 😎Project https://lamar.ethz.ch/ 😎Code github.com/microsoft/lamar-benchmark

17 144

🪂 Parallel NeRF for 6-DoF pose 🪂 👉#Nvidia unveils a parallel NeRF for 6-DoF target pose estimation 😎Review https://bit.ly/3guWWwA 😎Paper arxiv.org/pdf/2210.10108.pdf 😎Project https://pnerfp.github.io/

17 144

🔥Meta Omni3D: code is out!🔥 👉Source Code, models, and data just released by #META ! 😎Review https://bit.ly/3MIWxD9 😎Paper arxiv.org/pdf/2207.10660.pdf 😎Project garrickbrazil.com/omni3d/ 😎Code github.com/facebookresearch/omni3d

17 144

🔥 Dressing Avatars by #META 🔥 👉Novel deep photorealistic appearance method for physically-simulated clothing in #metaverse 😎Review https://bit.ly/3yRBW9Y 😎Paper arxiv.org/pdf/2206.15470.pdf

17 144

⚽Markerless Body-Object Interaction⚽ 👉Novel whole-bodies/objects interaction method from multi-view RGB-D data 😎Review https://bit.ly/3yO56GY 😎Data intercap.is.tue.mpg.de/login.php 😎Project https://intercap.is.tue.mpg.de 😎Code github.com/YinghaoHuang91 😎Paper intercap.is.tue.mpg.de/media/upload/main.pdf

17 144

⛽ Stable Diffusion in #Blender ⛽ 👉Render with SuperPowers: novel scene render via text prompt 😎Review https://bit.ly/3s1mEeN 😎Code github.com/benrugg/AI-Render

17 144

🪲#6D estimation fully in the wild🪲 👉First ever self-supervised 6D pose estimation training in the wild 😎Review https://bit.ly/3yHdHuS 😎Paper arxiv.org/pdf/2210.07199.pdf 😎Project kywind.github.io/self-pose 😎Code (soon)

17 144

🧮 Novel DM for 3D Shapes by #Nvidia 🧮 👉Hierarchical Latent Point Diffusion Model (LION) for 3D shape generation 😎Review https://bit.ly/3yDhZ6I 😎Paper arxiv.org/pdf/2210.06978.pdf 😎Project https://nv-tlabs.github.io/LION/ 😎Code(soon) github.com/nv-tlabs/LION

17 144

🦑 Instant Map-free Relocalization 🦑 👉#Niantic unveils a novel instant, metric scaled re-localization with one single photo 😎Review https://bit.ly/3S1Gdyh 😎Paper arxiv.org/pdf/2210.05494.pdf 😎Project research.nianticlabs.com/mapfree-reloc-benchmark 😎Data research.nianticlabs.com/mapfree-reloc-benchmark/dataset

17 144

🔥 Matterport 3D Semantics Dataset 🔥 👉#Meta opens HM3DSEM, the largest #3D real-world dataset with dense semantic 😎Review https://bit.ly/3yF4W4G 😎Paper arxiv.org/pdf/2210.05633.pdf 😎Project aihabitat.org/datasets/hm3d-semantics 😎Data github.com/matterport/habitat-matterport-3dresearch

17 144

🥬 "Perception Test" by #DeepMind 🥬 👉Huge dataset with obj & point tracks, temporal sounds, multiple & grounded vQA 😎Review https://bit.ly/3Vqh96Q 😎Dataset github.com/deepmind/perception_test 😎Project www.deepmind.com/blog/measuring-perception-in-ai-models

17 144

🏅GENIE by #Nvidia -> Faster Generation🏅 👉Higher-Order Denoising Diffusion Solvers for faster and better synthesis 😎Review https://bit.ly/3CRjtwr 😎Project nv-tlabs.github.io/GENIE/ 😎Paper arxiv.org/pdf/2210.05475.pdf 😎Code github.com/nv-tlabs/GENIE

17 144

🍏 f-DM: Diffusion Models by Apple 🍏 👉Spectacular work by #Apple on DMs: HQ generation with better efficiency and semantic 😎Review https://bit.ly/3Tils2u 😎Project https://jiataogu.me/fdm/ 😎Paper arxiv.org/pdf/2210.04955.pdf

17 144

🥏 EVA3D: new SOTA in #3D humans 🥏 👉EVA3D: new SOTA for unconditional NeRF-human generation from 2D only 😎Review https://bit.ly/3Th9qX7 😎Code github.com/hongfz16/EVA3D 😎Paper arxiv.org/pdf/2210.04888.pdf 😎Project hongfz16.github.io/projects/EVA3D.html

17 144

🔥SIMPLI: ligh novel-view synthesis🔥 👉Lightweight novel-view synthesis by #Samsung for arbitrary forward-facing scenes 😎Review https://bit.ly/3CivSYZ 😎Project samsunglabs.github.io/MLI 😎Code github.com/SamsungLabs/MLI 😎Paper samsunglabs.github.io/MLI/paper/paper.pdf

17 144

🍋 Long Video via Transformers 🍋 👉TECO is a vector-quantized latent dynamics prediction for long video 😎Review https://bit.ly/3Ch0tWD 😎Project wilson1yan.github.io/teco/ 😎Paper arxiv.org/pdf/2210.02396.pdf 😎Code github.com/wilson1yan/teco

17 144

🔥 #AIwithPapers: we are 4,500+! 🔥 💙💛 Someone put the smiling 💩 under a few recent posts. But I still love you! 💙💛 😈 Invite your friends -> https://t.me/AI_DeepLearning

17 144

⚛️SOTA ALERT! Particles Tracking ⚛️ 👉The new SOTA in video particles tracking. "Old school" taste, with neural flavor 🧡 😎Review https://bit.ly/3CaU5Ai 😎Project particle-video-revisited.github.io/ 😎Paper arxiv.org/pdf/2204.04153.pdf 😎Code github.com/aharley/pips

17 144

🔥 Human MDM: source code is out! 🔥 👉A classifier-free diffusion-based generative model for human motion domain 😎Review https://bit.ly/3rFhR2G 😎Project guytevet.github.io/mdm-page 😎Paper arxiv.org/pdf/2209.14916.pdf 😎Code github.com/GuyTevet/motion-diffusion-model