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 17 262 مشترک است و جایگاه 7 543 را در دسته فناوری و برنامه‌ها و رتبه 2 144 را در منطقه ماليزيا دارد.
📊 شاخص‌های مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 17 262 مشترک جذب کرده است.
بر اساس آخرین داده‌ها در تاریخ 26 اکتبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 250 و در ۲۴ ساعت گذشته برابر 1 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 17.43% 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 3 008 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 27 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.
17 262
مشترکین
+124 ساعت
+97 روز
+25030 روز
آرشیو پست ها
🥤NanoSAM: SAM on low-cost boards🥤
👉NanoSAM is a Segment Anything variant capable of running in real-time on #NVIDIA Jetson Orin with TensorRT
😎Review https://t.ly/UErq_
😎Tutorial https://github.com/NVIDIA-AI-IOT/nanosam
🪛 PACE: in-the-wild SOTA Motion 🪛
👉#Nvidia unveils the novel SOTA to estimate the human motion in a global scene from moving cams. Stunning results.
😎Review https://t.ly/20you
😎Project https://nvlabs.github.io/PACE
😎Paper https://arxiv.org/pdf/2310.13768.pdf
🧡 Rotoscoping Prince Of Persia (1985) 🧡
👉 A rare footage for the animation of Prince of Persia (1989). Damn Romantic.
😎 More https://t.ly/xJife
🍈 Cutie: VOS with heavy occlusions🍈
👉Cutie: novel VOS for challenging scenarios with heavy occlusions & distractors
😎Review https://t.ly/W3FR-
😎Paper arxiv.org/pdf/2310.12982.pdf
😎Project https://hkchengrex.com/Cutie
😎Code https://github.com/hkchengrex/Cutie
🛣️ Holistic Parking Detection (YOLO) 🛣️
👉 One-step Holistic Parking Slot Network: a tailor-made adaptation of YOLOv4 algorithm for all-shaped parking slot detection
😎Review https://t.ly/2l4ZG
😎Paper arxiv.org/pdf/2310.11629.pdf
🍡4K4D: Real-Time 4D View at 4K🍡
👉THE new SOTA in view synthesis of dynamic 3D scenes at 4K resolution is out. 30x faster, up to 400 FPS. Nuts!
😎Review https://t.ly/6ddQh
😎Paper arxiv.org/pdf/2310.11448.pdf
😎Project zju3dv.github.io/4k4d/
😎Code github.com/zju3dv/4K4D
😻 CatFLW: Cat Neural Landmarks 😻
👉Landmark convolution neural network-based model for cat faces
😎Review https://t.ly/Y3mQ8
😎Paper arxiv.org/pdf/2305.04232.pdf
😎Dataset www.tech4animals.org/catflw
🌱 Pose-Format: All-in-One Pose 🌱
👉 Pose-format: a comprehensive toolkit designed for human pose: unified, flexible, and easy-to-use
😎Review https://t.ly/rFrhq
😎Paper arxiv.org/pdf/2310.09066.pdf
😎Code github.com/sign-language-processing/pose
👗👗 AG3D: SOTA #3D clothed avatars from 2D👗👗
👉The novel SOTA in adversarial generative model of realistic 3D people is out.
😎Review https://t.ly/vnJO7
😎Paper zj-dong.github.io/AG3D/assets/paper.pdf
😎Project https://zj-dong.github.io/AG3D
😎Code https://github.com/zj-dong/AG3D
🦹♀️ Snap's Hyper-Realistic Human 🦹♀️
👉New diffusive #AI by Snap that generates in-the-wild human images with hyper-realism. Swipe the gallery, NUTS!👇
😎Gallery https://t.ly/cG74X
😎Paper arxiv.org/pdf/2310.08579.pdf
😎Project snap-research.github.io/HyperHuman
😎Code github.com/snap-research/HyperHuman
🙋 Full Human Motion 🙋
👉OmniControl by Google is novel framework for text-conditioned human motion generation model based on diffusion process
😎Review https://t.ly/F_0Ov
😎Paper arxiv.org/pdf/2310.08580.pdf
😎Project neu-vi.github.io/omnicontrol/
📊 TextPSG: PSG from Text 📊
👉A novel problem in #AI: Panoptic Scene Graph Generation from Purely Textual Descriptions (Caption-toPSG)
😎Review https://t.ly/UXEmk
😎Paper arxiv.org/pdf/2310.07056.pdf
😎Project vis-www.cs.umass.edu/TextPSG
😎Code github.com/chengyzhao/TextPSG
🏊 SwimXYZ: Synthetic Swimming 🏊
👉SwimXYZ: synthetic dataset for swimming, monocular videos annotated with ground truth 2D and 3D joints
💚💙 Where Is OpenCV 5? 💙💚
👉On October 24th, the organization is launching a crowdfunding campaign to raise funds for #OpenCV 5 development.
👆me in 2005 during my thesis work about face tracking; up to 50x faster than the previous SOTA. No chance to did it without OpenCV library and support from the community.
🔥Support #OpenCV 5 to create the next-gen of researchers and scientists. More: https://t.ly/UTukV
🔥Visual-Math Q&A: MathVista is out! 🔥
👉 MathVista is the ultimate benchmark designed to amalgamate challenges from diverse mathematical and visual tasks
😎Review https://t.ly/yfqHZ
😎Paper https://arxiv.org/pdf/2310.02255.pdf
😎Project https://mathvista.github.io/
😎Code github.com/lupantech/MathVista
🌱 Making LLaMA See and Draw 🌱
👉Tencent #AI planted a SEED of Vision in Large Language Model. Making LLaMA see 'n' draw stuff.
😎Review https://t.ly/QiCAv
😎Paper arxiv.org/pdf/2310.01218.pdf
😎Code github.com/AILab-CVC/SEED
☕Decaf: 3D Face-Hand Interactions☕
👉The first learning-based MoCap to track human hands interacting with human faces in #3D from single monocular RGB videos
😎Review https://t.ly/070Tj
😎Paper arxiv.org/pdf/2309.16670.pdf
😎Project vcai.mpi-inf.mpg.de/projects/Decaf
🧱 Generating Scenes from Touch 🧱
👉#AI for synthesizing images from tactile signals (and vice versa) and apply it to a number of visuo-tactile synthesis tasks
😎Review https://t.ly/Gxr0L
😎Paper https://arxiv.org/pdf/2309.15117.pdf
😎Project https://fredfyyang.github.io/vision-from-touch
😎Code https://github.com/fredfyyang/vision-from-touch
🌮 OW Indoor Segmentation 🌮
👉3D-OWIS is a novel open-world 3D indoor instance segmentation method (with auto-labeling scheme) to separate known/unknown category labels
😎Review https://t.ly/-7ALf
😎Paper arxiv.org/pdf/2309.14338.pdf
😎Code github.com/aminebdj/3D-OWIS
