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

ماليزيا2 235 فناوری و برنامه‌ها7 702...

📈 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

4 411

نمایش های پست

~ 1 17724 ساعت

~ 1 35348 ساعت

25.73%

نرخ مشارکت

اطلاعاتی وجود ندارد

پست های در روز

Ads index

beta

آرشیو پست ها

17 144

💎 Clothes-Changing Re-Identification 💎 👉The new SOTA in wild Re-identification by mixing appearance & face features 😎Review https://bit.ly/3HdTTUU 😎Paper arxiv.org/pdf/2211.13807.pdf 😎Project www.vision.huji.ac.il/reface 😎Code github.com/bar371/ReFace

17 144

👽HD Faces via "Hacked" Smartphone👽 👉A novel method for HD faces from (polarizing-foils) smartphones 😎Review https://bit.ly/3H8yhJN 😎Paper arxiv.org/pdf/2212.01160.pdf 😎Project dazinovic.github.io/polface

17 144

🫐 Tracking EVERYTHING in the wild 🫐 👉Disentangling classification from tracking, Track Every Thing Accuracy (TETA) for SOTA 😎Review https://bit.ly/3F2rfU7 😎Paper arxiv.org/pdf/2207.12978.pdf 😎Project www.vis.xyz/pub/tet/

17 144

🎨 Dr.3D: adapting 3D GANs to Arts 🎨 👉Novel 3D GAN domain adaptation method for drawings. From portraits to 3D! 😎Review https://bit.ly/3He3Phv 😎Paper arxiv.org/pdf/2211.16798.pdf 😎Project jinwonjoon.github.io/dr3d/ 😎Code github.com/JinWonjoon/Dr.3D

17 144

Comments: https://bit.ly/3B6T6S9

17 144

Should I write a book (no technicalities, for everyone) about the evolution of the modern Computer Vision / AI ?

Anonymous voting

17 144

🤪 Just another ORDINARY week in #AI community 🤪 😈 Let's talk -> https://bit.ly/3VsEfth 😈 Invite friends -> https://t.me/AI_DeepLearning

17 144

💎 SJC: from 2D -> #3D generation 💎 👉 Novel method to convert pretrained 2D diffusion into 3D generative mode 😎Review https://bit.ly/3UppHJx 😎Paper arxiv.org/pdf/2212.00774.pdf 😎Code github.com/pals-ttic/sjc 😎Project pals.ttic.edu/p/score-jacobian-chaining

17 144

🔥🔥 #StableDiffusion2 paper is out! 🔥🔥 👉The progress with #StableDiffusion at #neurips2022 conference. Crazy times! 😎Review https://bit.ly/3ESo5Cn 😎Paper arxiv.org/pdf/2210.03142.pdf

17 144

🔥#AIwithPapers: we are 5,200+!🔥 👉 Me (and you, all), these days (audio ON!) 🤣 😈 Share -> https://bit.ly/3fA5geu 😈 Invite friends -> https://t.me/AI_DeepLearning

17 144

🔥#AIwithPapers: we are 5,200+!🔥 👉 Me (and you, all), these days (audio ON!) 🤣 😈 Share -> https://bit.ly/3fA5geu 😈 Invite friends -> https://t.me/AI_DeepLearning

17 144

🧨Fast-SNARF: 150× faster Neural Fields🧨 👉Voxel-based correspondence, pre-computed skinning, and #cuda kernels -> avatar 150x faster! 😎Review https://bit.ly/3OMvEPo 😎Code github.com/xuchen-ethz/fast-snarf 😎Paper dataset.ait.ethz.ch/downloads/fast-snarf/paper.pdf

17 144

🚗 3DDesigner: Text-guided Diffusion 🚗 👉Novel method to generate #3D fine-grained objects via textual diffusion 😎Review https://bit.ly/3Fbmyc1 😎Project 3ddesigner-diffusion.github.io/ 😎Paper arxiv.org/pdf/2211.14108.pdf

17 144

💡Diffusive Generation/Inpainting/Reconstruction💡 👉The first 3D-aware diffusion model purely trained from 2D images only 😎Review https://bit.ly/3XyHyjY 😎Paper arxiv.org/pdf/2211.09869.pdf 😎Code github.com/Anciukevicius/RenderDiffusion

17 144

🐈 SpaText: Spatio-Textual Generation 🐈 👉#META AI unveils a novel text-to-image generation using open-vocabulary scene control 😎Review https://bit.ly/3OKcdXz 😎Project pnp-diffusion.github.io/ 😎Paper arxiv.org/pdf/2211.14305.pdf 😎Code (coming)

17 144

🥬 Diffusive Sketch-Guided Text-to-Image 🥬 👉#Google unveils a universal approach for T2I (pre-trained) diffusion: free-hand, saliency-guided, etc. 😎Review https://bit.ly/3XFVMj2 😎Project sketch-guided-diffusion.github.io/ 😎Paper sketch-guided-diffusion.github.io/files/sketch-guided-preprint.pdf

17 144

💃EDGE: Diffusive Dancers Generator💃 👉New SOTA in editable human-dancer generation according to the input music 😎Review https://bit.ly/3u2egfY 😎Paper arxiv.org/pdf/2211.10658.pdf 😎Project edge-dance.github.io/

17 144

🍫 Tracking in Motion-Blurred Clips 🍫 👉Robust line segment detector in motion-blurred clips -> #SLAM / #3D. 😎Review https://bit.ly/3F2wHrb 😎Paper arxiv.org/pdf/2211.07365.pdf 😎Project levenberg.github.io/FE-LSD/ 😎Code github.com/lh9171338/FE-LSD

17 144

🔥🔥 UPDATE 🔥🔥 Code Released: https://bit.ly/3tZLWuP

17 144

🥇MineDojo: Agents at Internet-Scale🥇 👉The #neurips2022 Outstanding Paper Award winner is out. By #Nvidia et al. 😎Review https://bit.ly/3F0RPhN 😎Project https://minedojo.org/ 😎Paper arxiv.org/pdf/2206.08853.pdf 😎Code github.com/MineDojo/MineDojo