¡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 17 144 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
Archivo de publicaciones
💘 3D-aware Blending via Generative NeRF 💘
👉Novel 3D-aware blending method via generative NeRFs
😎Review https://bit.ly/3lBEJA2
😎Paper arxiv.org/pdf/2302.06608.pdf
😎Project blandocs.github.io/blendnerf
😎Code github.com/naver-ai/BlendNeRF
🥸 MEGANE: Generative Morphable Eyeglass 🥸
👉#META unveils the most advanced #3D compositional morphable AI for eyeglasses (HD geometry/photometric interaction)
😎Review https://bit.ly/3jOWifu
😎Paper arxiv.org/pdf/2302.04868.pdf
😎Project junxuan-li.github.io/megane
🎃 In-N-Out: 3D-aware OOD video editing 🎃
👉Novel 3D-aware video editing able to manipulate OOD objects (e.g. heavy makeup, accessories)
😎Review https://bit.ly/3jN0CMu
😎Paper arxiv.org/pdf/2302.04871.pdf
😎Project https://in-n-out-3d.github.io
🧱 LEGO-Net: Objects in Rooms 🧱
👉Transformer-based iterative method for rearrangement of objects in messy rooms
😎Review https://bit.ly/3HR0fs6
😎Paper arxiv.org/pdf/2301.09629.pdf
😎Project ivl.cs.brown.edu/#/projects/lego-net
🗿DirectMHP: Multi-Head Pose Estimation🗿
👉Novel E2E multi-person head pose estimation (MPHPE) under full-range angles
😎Review https://bit.ly/3HJubXg
😎Paper arxiv.org/pdf/2302.01110.pdf
😎Code github.com/hnuzhy/DirectMHP
🗿DirectMHP: Multi-Head Pose Estimation🗿
👉Novel E2E multi-person head pose estimation (MPHPE) under full-range angles
😎Review https://bit.ly/3HJubXg
😎Paper arxiv.org/pdf/2302.01110.pdf
😎Code github.com/hnuzhy/DirectMHP
🗿DirectMHP: Multi-Head Pose Estimation🗿
👉Novel E2E multi-person head pose estimation (MPHPE) under full-range angles
🌘 Gen-1: next-gen Generative #AI 🌘
👉#Runaway unveils Gen-1: the next step forward for Generative AI. Registration available for beta -> hurry up!
😎Review https://bit.ly/3YqQYh8
😎Project https://research.runwayml.com/gen1
🦚 MOSE: coMplex video Object SEgmentation 🦚
👉Novel Dataset for VOS is out! SOTA method on DAVIS is only 59.4% on MOSE
😎Review https://bit.ly/40yzSzW
😎Paper arxiv.org/pdf/2302.01872.pdf
😎Project henghuiding.github.io/MOSE/
😎Code github.com/henghuiding/MOSE-api
🧩 Text-Guided #3D Texturing 🧩
👉 Text-Guided HQ textures via iterative diffusion-based process
😎Review https://bit.ly/3ldC6Ez
😎Project texturepaper.github.io/TEXTurePaper
😎Code github.com/TEXTurePaper/TEXTurePaper
😎Paper texturepaper.github.io/TEXTurePaper/static/paper.pdf
🐓 DREAMIX: General Diffusion Video Editors 🐓
👉#Google unveils the first diffusion-based method able to perform text-based motion/appearance editing of general videos
😎Review https://bit.ly/3I3Hq6B
😎Paper arxiv.org/pdf/2302.01329.pdf
😎Project dreamix-video-editing.github.io/
💧FLOW360: 360° Neural Optical Flow💧
👉 IIT unveils the first perceptually realistic 360° video benchmark dataset + SLOF method for OF tracking
😎Review https://bit.ly/3wMZZoX
😎Paper arxiv.org/pdf/2301.11880.pdf
😎Project https://siamlof.github.io
🛋️🛋️ 100% Accurated #3D Labeling 🛋️🛋️
👉#Amazon unveils a novel tool for fine-grained 3D part labeling. Up to 100% accuracy! Paper (only😢)
😎Review https://bit.ly/3kYpQHQ
😎Paper https://arxiv.org/pdf/2301.10460.pdf
⭐ Mono-STAR: Unified Tracking/Reconstruction ⭐
👉Real-time 3D unified framework for semantic fusion, tracking, non-rigid deformation, and topological changes
😎Review https://bit.ly/3Dxvxmx
😎Paper arxiv.org/pdf/2301.13244.pdf
😎Project github.com/changhaonan/Mono-STAR-demo
🚛 Text-driven Video Neural Editing 🚛
👉A novel text-guided video editing with both appearance/shape
😎Review https://bit.ly/3YcfMJO
😎Paper arxiv.org/pdf/2301.13173.pdf
😎Project text-video-edit.github.io/
🎷Audio-Visual Semantic Segmentation🎷
👉A novel problem in #AI: pixel-level segmentation of objects that produce sound in the image frame
😎Review https://bit.ly/3wFY6dw
😎Paper arxiv.org/pdf/2301.13190.pdf
😎Project opennlplab.github.io/AVSBench
😎Code github.com/OpenNLPLab/AVSBench
🐦 PhyCV: Physics-inspired Computer Vision 🐦
👉From UCLA, the first Physics-inspired Computer Vision Library
😎Review https://bit.ly/3HEWozI
😎Code github.com/JalaliLabUCLA/phycv
😎Project photonics.ucla.edu/2022/05/12/jalali-lab-open-sources-phycv-a-physics-inspired-computer-vision-library/
😍 CLIP/GPT3-driven Affective Faces 😍
👉Columbia unveils a novel framework for facial expressions retrieval given the context of the speaker
😎Review https://bit.ly/3HERna0
😎Paper arxiv.org/pdf/2301.10939.pdf
😎Project realtalk.cs.columbia.edu
😎Code github.com/scottgeng00/realtalk
🔥CutLER: Unsupervised Segmentation 🔥
👉Novel paper by #META on detection & instance segmentation without human annotations
😎Review https://bit.ly/3DlFiUG
😎Paper arxiv.org/pdf/2301.11320.pdf
😎Code github.com/facebookresearch/CutLER
😎Project people.eecs.berkeley.edu/~xdwang/projects/CutLER
🐕 MAV3D: #3D Video from Text 🐕
👉#META unveils a novel #AI for generating #3D dynamic videos from text
😎Review https://bit.ly/3WPRAvK
😎Paper arxiv.org/pdf/2301.11280.pdf
😎Project make-a-video3d.github.io
