Computer Science and Programming

Ir al canal en Telegram

Channel specialized for advanced topics of: * Artificial intelligence, * Machine Learning, * Deep Learning, * Computer Vision, * Data Science * Python Admin: @otchebuch Memes: @memes_programming Ads: @Source_Ads, https://telega.io/c/computer_science

Red:Computer Science and Programming Italia88 Tecnologías y Aplicaciones804...

📈 Análisis del canal de Telegram Computer Science and Programming

El canal Computer Science and Programming (@computer_science_and_programming) en el segmento lingüístico de Inglés es un actor destacado. Actualmente la comunidad reúne a 140 441 suscriptores, ocupando la posición 804 en la categoría Tecnologías y Aplicaciones y el puesto 88 en la región Italia.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 140 441 suscriptores.

Según los últimos datos del 31 agosto, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -734, y en las últimas 24 horas de -18, conservando un alto alcance.

Estado de verificación: No verificado
Tasa de interacción (ER): El promedio de interacción de la audiencia es 7.96%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 1.94% de reacciones respecto al total de suscriptores.
Alcance de las publicaciones: Cada publicación recibe en promedio 11 177 visualizaciones. En el primer día suele acumular 2 728 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 sellerflash, github, developer, pricing, waybienad.

📝 Descripción y política de contenido

El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Channel specialized for advanced topics of: * Artificial intelligence, * Machine Learning, * Deep Learning, * Computer Vision, * Data Science * Python Admin: @otchebuch Memes: @memes_programming Ads: @Source_Ads, https://telega.io/c/computer_sc...”

Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 01 septiembre, 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.

Buy Ad

140 441

Suscriptores

-1824 horas

-2617 días

-73430 días

11 177

Visitas de la publicación

~ 2 72824 horas

~ 3 75748 horas

7.96%

Tasa de compromiso

Sin datos

Mensajes por día

Ads index

beta

Archivo de publicaciones

140 432

Unseen Object Amodal Instance Segmentation (UOAIS)

140 432

Paper (ICCV2021): https://arxiv.org/pdf/2109.04425v1.pdf Github: https://github.com/yumingj/Talk-to-Edit Dataset: https://drive.google.com/drive/folders/18nejI_hrwNzWyoF6SW8bL27EYnM4STAs 👉@computer_science_and_programming

140 432

Now we can generate the faces with just with talking

140 432

Paper: https://arxiv.org/pdf/2108.11250v1.pdf Github: https://github.com/hustvl/YOLOP

140 432

You Only 👀 Once for Panoptic 🚙 Perception

140 432

Paper: https://arxiv.org/pdf/2105.06993.pdf Github: https://github.com/erikalu/omnimatte Project Page: https://omnimatte.github.io/ Supplimentary material: https://omnimatte.github.io/supplementary/index.html Explained: https://www.youtube.com/watch?v=lCBSGOwV-_o 👉@computer_science_and_programming

140 432

Now removing, duplicating or enhancing objects in video is more realistic with the assist of AI "We need to talk about the car in the room." This paper: what car? 🙈

140 432

Paper: https://arxiv.org/pdf/2103.14030.pdf Github: https://github.com/SwinTransformer/Swin-Transformer-Object-Detection Demo: https://www.youtube.com/watch?v=FQVS_0Bja6o 👉@computer_science_and_programming

140 432

Swin transformer for : ✔️ Object detection ✔️ Image Classification ✔️ Semantic Segmentation ✔️ Video Recognition

140 432

⚠ Message was hidden by channel owner

140 432

Paper: https://arxiv.org/pdf/2107.10833v1.pdf Github: https://github.com/xinntao/Real-ESRGAN Colab demo: https://colab.research.google.com/drive/1k2Zod6kSHEvraybHl50Lys0LerhyTMCo?usp=sharing 👉@computer_science_and_programming

140 432

Practical image restoration Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data 👉@computer_science_and_programming

140 432

A simpler design but better performance! It aims to bridge the gap between research and industrial communities. Paper: https://arxiv.org/pdf/2107.08430v1.pdf Github: https://github.com/Megvii-BaseDetection/YOLOX 👉@computer_science_and_programming

140 432

YOLOX: Exceeding YOLO Series in 2021 Anchor-free version of YOLO series Won the 1st Place on Streaming Perception Challenge (Workshop on Autonomous Driving at CVPR 2021)

140 432

SMURF: Self-Teaching Multi-Frame Unsupervised RAFT with Full-Image Warping Paper: https://arxiv.org/pdf/2105.07014.pdf Video: https://www.youtube.com/watch?v=W7NCbfZp6QE Code: https://github.com/google-research/google-research/tree/master/smurf 👉 @computer_science_and_programming

140 432

From Google and Waymo researchers: The self-/unsupervised revolution is near! Unsupervised optical flow model SMURF improves SOTA by 40% and beats many supervised methods such as PWC-Net and FlowNet2 👉 @computer_science_and_programming

140 432

All Open Access Papers: https://openaccess.thecvf.com/CVPR2021

140 432

It's CVPR 2021 time!

140 432

Paper: https://arxiv.org/pdf/2106.13797v2.pdf Github: https://github.com/whai362/PVT

140 432

PVTv2: Improved Baselines with Pyramid Vision Transformer ✅ Classification ✅ Detection ✅ Segmentation