اکنون در دسترس! پژوهش تلگرام ۲۰۲۵ — مهمترین بینشهای سال 
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 17 145 مشترک است و جایگاه 7 702 را در دسته فناوری و برنامهها و رتبه 2 235 را در منطقه ماليزيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 17 145 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 24 ژوئن, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -197 و در ۲۴ ساعت گذشته برابر -7 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 25.73% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 6.87% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 4 411 بازدید دریافت میکند. در اولین روز معمولاً 1 177 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 26 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 25 ژوئن, 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.
17 145
مشترکین
-724 ساعت
-427 روز
-19730 روز
آرشیو پست ها
🔥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
🦙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
🪂 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/
🔥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
🔥 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
⚽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
⛽ Stable Diffusion in #Blender ⛽
👉Render with SuperPowers: novel scene render via text prompt
😎Review https://bit.ly/3s1mEeN
😎Code github.com/benrugg/AI-Render
🪲#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)
🧮 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
🦑 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
🔥 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
🥬 "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
🏅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
🍏 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
🥏 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
🔥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
🍋 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
🔥 #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
⚛️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
🔥 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
