AI with Papers - Artificial Intelligence & Deep Learning
رفتن به کانال در 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
نمایش بیشتر📈 تحلیل کانال تلگرام AI with Papers - Artificial Intelligence & Deep Learning
کانال AI with Papers - Artificial Intelligence & Deep Learning (@ai_deeplearning) در بخش زبانی انگلیسی بازیگری فعال است. در حال حاضر جامعه شامل 17 224 مشترک است و جایگاه 7 346 را در دسته فناوری و برنامه‌ها و رتبه 2 104 را در منطقه ماليزيا دارد.
📊 شاخص‌های مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 17 224 مشترک جذب کرده است.
بر اساس آخرین داده‌ها در تاریخ 05 اکتبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 184 و در ۲۴ ساعت گذشته برابر 16 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 20.45% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 7.07% واکنش نسبت به کل مشترکان کسب می‌کند.
- دسترسی پست‌ها: هر پست به طور میانگین 3 522 بازدید دریافت می‌کند. در اولین روز معمولاً 1 218 بازدید جمع‌آوری می‌شود.
- واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 11 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند framework, object, dataset, tba, depth تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“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”
به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 06 اکتبر, 2026)، کانال همواره به‌روز و دارای دسترسی بالاست. تحلیل‌ها نشان می‌دهد مخاطبان به‌طور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته فناوری و برنامه‌ها تبدیل کرده‌اند.
17 224
مشترکین
+1624 ساعت
+1917 روز
+18430 روز
در حال بارگیری داده...
کانال‌های مشابه
ابر برچسب‌ها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
اکتبر '26اکتبر '26
اکتبر '26
+183
در 0 کانال‌ها
سپتامبر '26
+109
در 0 کانال‌ها
Get PRO
اوت '26
+71
در 2 کانال‌ها
Get PRO
ژوئیه '26
+56
در 0 کانال‌ها
Get PRO
ژوئن '26
+52
در 0 کانال‌ها
Get PRO
مه '26
+90
در 0 کانال‌ها
Get PRO
آوریل '26
+207
در 0 کانال‌ها
Get PRO
مارس '26
+718
در 0 کانال‌ها
Get PRO
فوریه '26
+140
در 1 کانال‌ها
Get PRO
ژانویه '26
+2 306
در 0 کانال‌ها
Get PRO
دسامبر '25
+157
در 1 کانال‌ها
Get PRO
نوامبر '25
+201
در 0 کانال‌ها
Get PRO
اکتبر '25
+243
در 1 کانال‌ها
Get PRO
سپتامبر '25
+147
در 3 کانال‌ها
Get PRO
اوت '25
+140
در 0 کانال‌ها
Get PRO
ژوئیه '25
+162
در 0 کانال‌ها
Get PRO
ژوئن '25
+107
در 0 کانال‌ها
Get PRO
مه '25
+152
در 1 کانال‌ها
Get PRO
آوریل '25
+331
در 0 کانال‌ها
Get PRO
مارس '25
+459
در 1 کانال‌ها
Get PRO
فوریه '25
+600
در 0 کانال‌ها
Get PRO
ژانویه '25
+643
در 1 کانال‌ها
Get PRO
دسامبر '24
+542
در 1 کانال‌ها
Get PRO
نوامبر '24
+439
در 2 کانال‌ها
Get PRO
اکتبر '24
+350
در 3 کانال‌ها
Get PRO
سپتامبر '24
+215
در 0 کانال‌ها
Get PRO
اوت '24
+295
در 0 کانال‌ها
Get PRO
ژوئیه '24
+396
در 1 کانال‌ها
Get PRO
ژوئن '24
+439
در 0 کانال‌ها
Get PRO
مه '24
+533
در 0 کانال‌ها
Get PRO
آوریل '24
+483
در 0 کانال‌ها
Get PRO
مارس '24
+501
در 1 کانال‌ها
Get PRO
فوریه '24
+493
در 0 کانال‌ها
Get PRO
ژانویه '24
+522
در 1 کانال‌ها
Get PRO
دسامبر '23
+400
در 0 کانال‌ها
Get PRO
نوامبر '23
+330
در 0 کانال‌ها
Get PRO
اکتبر '23
+298
در 0 کانال‌ها
Get PRO
سپتامبر '23
+482
در 0 کانال‌ها
Get PRO
اوت '23
+136
در 0 کانال‌ها
Get PRO
ژوئیه '23
+173
در 0 کانال‌ها
Get PRO
ژوئن '23
+112
در 0 کانال‌ها
Get PRO
مه '23
+164
در 0 کانال‌ها
Get PRO
آوریل '23
+234
در 0 کانال‌ها
Get PRO
مارس '23
+216
در 0 کانال‌ها
Get PRO
فوریه '23
+400
در 0 کانال‌ها
Get PRO
ژانویه '23
+435
در 0 کانال‌ها
Get PRO
دسامبر '22
+372
در 0 کانال‌ها
Get PRO
نوامبر '22
+5 238
در 0 کانال‌ها
| تاریخ | رشد مشترکین | اشارات | کانال‌ها | |
| 06 اکتبر | +1 | |||
| 05 اکتبر | +16 | |||
| 04 اکتبر | +15 | |||
| 03 اکتبر | +64 | |||
| 02 اکتبر | +77 | |||
| 01 اکتبر | +10 |
پست‌های کانال
🐇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 |
