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 17 259 مشترک است و جایگاه 7 509 را در دسته فناوری و برنامه‌ها و رتبه 2 130 را در منطقه ماليزيا دارد.
📊 شاخص‌های مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 17 259 مشترک جذب کرده است.
بر اساس آخرین داده‌ها در تاریخ 25 اکتبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 261 و در ۲۴ ساعت گذشته برابر 2 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 16.91% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 7.04% واکنش نسبت به کل مشترکان کسب می‌کند.
- دسترسی پست‌ها: هر پست به طور میانگین 2 918 بازدید دریافت می‌کند. در اولین روز معمولاً 1 216 بازدید جمع‌آوری می‌شود.
- واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 16 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 26 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.
17 259
مشترکین
+224 ساعت
+17 روز
+26130 روز
در حال بارگذاری داده‌ها
کانال‌های مشابه
ابر برچسب‌ها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
اکتبر '26اکتبر '26
اکتبر '26
+266
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 | |
| 26 اکتبر | 0 | |||
| 25 اکتبر | +2 | |||
| 24 اکتبر | +1 | |||
| 23 اکتبر | +4 | |||
| 22 اکتبر | +3 | |||
| 21 اکتبر | +7 | |||
| 20 اکتبر | +4 | |||
| 19 اکتبر | +2 | |||
| 18 اکتبر | +4 | |||
| 17 اکتبر | +4 | |||
| 16 اکتبر | +7 | |||
| 15 اکتبر | +2 | |||
| 14 اکتبر | +4 | |||
| 13 اکتبر | +3 | |||
| 12 اکتبر | +5 | |||
| 11 اکتبر | +4 | |||
| 10 اکتبر | +6 | |||
| 09 اکتبر | +3 | |||
| 08 اکتبر | +2 | |||
| 07 اکتبر | +10 | |||
| 06 اکتبر | +7 | |||
| 05 اکتبر | +16 | |||
| 04 اکتبر | +15 | |||
| 03 اکتبر | +64 | |||
| 02 اکتبر | +77 | |||
| 01 اکتبر | +10 |
پست‌های کانال
🫀 SKIM V2 is out🫀
👉SOMA recovers muscle deformation over time from surface observations captured by multi-view RGB cameras, the first approach of this kind. SKIM v2: a new soft-tissue deformation dataset. Code under MIT, data & weights NC💙
👉Review https://lnkd.in/p/dB4XS7vB
👉Paper https://lnkd.in/d64S_qxj
👉Project https://lnkd.in/dWtavYGn
👉Repo https://lnkd.in/dXNJqY6N
| 2 |  🧊 SOTA Foundation Pose 🧊
👉From one segmented RGB-D observation, directly predict 6D pose, metric size, and camera-frame completed shape. Repo under Apace 2.0💙
👉Review https://lnkd.in/p/dXpXt7Pz
👉Paper https://arxiv.org/pdf/2610.31623
👉Project https://jrryzh.github.io/F2G-Pose/
👉Repo https://github.com/jrryzh/F2G-Pose | 1 398 |
| 3 |  🍵3D from Single Human RGB🍵
👉Real-to-semantic-to-real pipeline that turns one monocular RGB video of a human demonstration into thousands of robot demonstrations. Code TBA💙
👉Review https://lnkd.in/p/dt-B2QMt
👉Paper https://arxiv.org/pdf/2610.28880
👉Project https://real2sem2real.github.io/
👉Repo TBA | 2 113 |
| 4 |  🥭Agentic Manga->Animation🥭
👉Manga2Animate: turning existing manga pages into coherent animation that stays faithful to the original manga. Impressive results, best with sound. Code released.💙
👉Review https://lnkd.in/p/dHpdPAj3
👉Paper https://arxiv.org/pdf/2610.26851
👉Project https://annchenn.github.io/Manga2Animate/
👉Repo https://github.com/annchenn/Manga2Animate | 2 103 |
| 5 |  🔥SOTA Video Matting (long clips)🔥
👉VideoMaMa++ (#NeuroIPS 2026): mask-guided video matting framework that recovers fine-grained details (e.g., hair strands) and scales reliably to long videos. Impressive results, NC code announced💙
👉Review https://lnkd.in/p/dj3_zE3P
👉Paper https://arxiv.org/pdf/2610.26857
👉Project https://cvlab-kaist.github.io/VideoMaMa-PlusPlus/
👉Repo https://github.com/cvlab-kaist/VideoMaMa-PlusPlus | 2 252 |
| 6 |  🏵️Lang-Informed Lossless Encoder🏵️
👉Stanford's LILIE: an invertible image transform trained such that a vision-language model can recover captions from noised features. Code, encoders, and generative models💙
👉Review https://lnkd.in/dMgakzWm
👉Paper https://arxiv.org/pdf/2610.23653
👉Project https://www.suchiragarwal.com/lilie/
👉Repo https://github.com/SuchirAgarwal/lilie | 2 305 |
| 7 |  🔥700 FPS Humans Recovery🔥
👉One model, any sparse signal: OmniPoser recovers full-body 3D human motion from 3D keypoints, sparse IMU rotations, head-mounted 6-DoF poses, or any subset or combination of these signals. All within a SINGLE model. Repo under nc-cc license💙
👉Review https://lnkd.in/p/e-xAquHt
👉Paper https://arxiv.org/pdf/2610.19857
👉Project https://jamesbridgewater51.github.io/omniposer-eccv/
👉Repo https://github.com/JamesBridgewater51/omniposer | 3 085 |
| 8 | Back to post on Twitter 😈
https://x.com/ai_withpapers | 2 664 |
| 9 |  🎊 Pixel-Level 4D Humans 🎊
👉Dense4D from the Imperial College is the first feed-forward model dedicated to dense 4D correspondence across the body, clothing and hair from a set of monocular RGB images, without a body template. Code announced💙
👉Review https://lnkd.in/p/e9GXGggz
👉Paper https://arxiv.org/pdf/2610.22325
👉Project https://alpguler.com/dense4d/
👉Repo TBA | 2 639 |
| 10 |  🧊SOTA category-level 9D Pose🧊
👉SJTU at #NeurIPS 2026 with the new SOTA among RGB-based methods for category-level 9D pose estimation. Code announced💙
👉Review https://lnkd.in/p/e5BvM7Ua
👉Paper https://arxiv.org/pdf/2610.18374
👉Project https://souglad21.github.io/SchemaPose/
👉Repo TBA | 2 754 |
| 11 |  🐇Segment where you look🐇
👉KAUST (+Adobe) revisited the interface through which a vision-language model passes the location of its referent to a segmentation decoder. Code announced💙
👉Review https://lnkd.in/p/er_ifxGR
👉Paper https://lnkd.in/eATXw98R
👉Project https://lnkd.in/eXSWvxPN
👉Repo TBA | 2 567 |
| 12 | Hi everyone 👋
over the past months, engagement on my posts has grown a lot, which tells me the content you value is getting better. At the same time, impressions have dropped, and I think a big part of the reason is the flood of low-quality viral posts filling many of our feeds. PROVE ME WRONG 😂
The best way to push back is to engage with the posts that are actually worth your time. Open the post on LinkedIn, then leave a comment (even a couple of lines with your take), and like, share, or save it if it's useful. Comments are the most valuable, but every action helps. With ~100,000 of us following along, this is how we tell the algorithm, and me, what deserves more space.
Fight fire with fire! | 3 023 |
| 13 |  🥬 Rotational neural keypoint 🥬
👉RaCo is a rotationally equivariant neural keypoint detector that identifies stable and repeatable keypoints. Code under Apache 2.0💙
👉Review https://lnkd.in/p/ezQzUwju
👉Paper https://arxiv.org/pdf/2602.15755
👉Repo https://github.com/cvg/RaCo | 3 251 |
| 14 |  🫏What EGO does not teach🫏
👉A brilliant work about a controlled study of how interaction fidelity in ego-centric world models behaves as a function of scale. Closing this gap will depend on how models are trained, not only on how much data they see. Repo available soon💙
👉Review https://lnkd.in/p/dzKbCCfr
👉Paper https://lnkd.in/dcpReY9E
👉Project https://lnkd.in/dnpfpZnG
👉Repo TBA | 1 179 |
| 15 |  🟨 Rome from ONE pic 🟥
👉Detailed scene meshes from one photograph: the method completes geometry beyond the observed view and supports indoor, outdoor, and large-scale scenes. Repo announced💙
👉Review https://lnkd.in/p/eMdWBEGn
👉Paper https://arxiv.org/pdf/2610.08790
👉Project https://build-rome.github.io/
👉Repo TBA | 4 559 |
| 16 |  🐇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 | 4 364 |
| 17 |  🔥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 | 5 620 |
| 18 |  🔥🔥 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 | 4 338 |
| 19 |  🔥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 | 3 990 |
| 20 |  🔥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 | 4 370 |
