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 17 260 مشترک است و جایگاه 7 540 را در دسته فناوری و برنامه‌ها و رتبه 2 147 را در منطقه ماليزيا دارد.
📊 شاخص‌های مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 17 260 مشترک جذب کرده است.
بر اساس آخرین داده‌ها در تاریخ 27 اکتبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 242 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 16.94% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 7.10% واکنش نسبت به کل مشترکان کسب می‌کند.
- دسترسی پست‌ها: هر پست به طور میانگین 2 923 بازدید دریافت می‌کند. در اولین روز معمولاً 1 225 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 28 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.
17 260
مشترکین
-224 ساعت
+67 روز
+24230 روز
آرشیو پست ها
🦙 Llama-2: the Open-Source "#chatgpt"🦙
👉GenAI, #Meta unveils Llama-2: a collection of LLMs ranging in scale 7-70B parameters. Challenging with #chatgpt, but open.
😎Review https://t.ly/bLJgP
😎Paper https://t.ly/AOXru
😎Project https://ai.meta.com/research/publications/llama-2-open-foundation-and-fine-tuned-chat-models/
☔ #SelfDriving? It's all about weather! ☔
👉Novel self-supervised MDE method to handle adverse weather in real-world autonomous driving
😎Review https://t.ly/tcLQW
😎Paper arxiv.org/pdf/2307.08357.pdf
😎Project kieran514.github.io/Robust-Depth-Project/
🐈 Gen-AI as representation learner 🐈
👉DreamTeacher: novel self-supervised feats. representation learning framework that utilizes gen-nets for pre-training downstream image backbones
😎Review https://t.ly/RL8iG
😎Paper arxiv.org/pdf/2307.07487.pdf
😎Project research.nvidia.com/labs/toronto-ai/DreamTeacher
🧯 Neural Focal Modulation for VAR 🧯
👉Video-FocalNet is a novel architecture for video recognition that models both local and global context
😎Review https://t.ly/rF_fk
😎Paper arxiv.org/pdf/2307.06947.pdf
😎Project talalwasim.github.io/Video-FocalNets
😎Code github.com/TalalWasim/Video-FocalNets
💡DATID-3D: Diffusive Text-to-3D Generation💡
👉 A novel domain adaptation method for 3D via text-to-image diffusion. 🤗-Demo available!
😎Review https://t.ly/ecBvM
😎Paper arxiv.org/pdf/2211.16374.pdf
😎Project gwang-kim.github.io/datid_3d/
😎Code github.com/gwang-kim/DATID-3D
🤗Demo huggingface.co/spaces/gwang-kim/DATID-3D
😎Colab colab.research.google.com/drive/1e9NSVB7x_hjz-nr4K0jO4rfTXILnNGtA?usp=sharing
🎪 Extreme Human Pose Estimation 🎪
👉RePoGen: novel synthetic data generator of extreme/realistic poses of humans
😎Review https://t.ly/ecBvM
😎Paper arxiv.org/pdf/2307.06737.pdf
😎Project mirapurkrabek.github.io/RePoGen-paper
😎Code github.com/MiraPurkrabek/RePoGen
🃏 Deepfake via casual self-scan 🃏
👉TAU presents a novel approach to reenact an ID using only a casual self-scan
😎Review https://t.ly/9T8Wi
😎Paper arxiv.org/pdf/2307.06307.pdf
😎Project arielazary.github.io/PGR
🔥o-TTT: Test-Time Training on fire 🔥
👉Extending the TTT to the streaming setting. Suitable for Panoptic, Instance & Colorization.
😎Review https://t.ly/eZYA
😎Paper arxiv.org/pdf/2307.05014.pdf
😎Project https://video-ttt.github.io/
😎Code github.com/renwang435/video-ttt-release
🍡 Text2Cinemagraphs: Cinemagraph from text 🍡
👉CMU (+ #Snap) unveils a fully automated method for creating cinemagraphs from text descriptions
😎Review https://t.ly/BwZs6
😎Paper arxiv.org/pdf/2307.03190.pdf
😎Project text2cinemagraph.github.io/website/
😎Code github.com/text2cinemagraph/text2cinemagraph
🛣️ STAR.: 3D-tracking w/ attention paradigm 🛣️
👉#Mercedes STAR: e2e 3D object tracking that follows the tracking-by-attention paradigm
😎Review https://t.ly/JoGj
😎Paper arxiv.org/pdf/2306.17602.pdf
😎Project simondoll.github.io/publications/star_track
🪩 DISCO: Human Dance Generation 🪩
👉NTU (+ #Microsoft) unveils DISCO: a big step towards the Human Dance Generation.
😎Review https://t.ly/cNGX
😎Paper arxiv.org/pdf/2307.00040.pdf
😎Project disco-dance.github.io/
😎Code github.com/Wangt-CN/DisCo
🔮 SAM-PT: Segment Anything + Tracking 🔮
👉SAM-PT is the first method to utilize sparse point propagation for Video Object Segmentation (VOS).
😎Review https://t.ly/QLMG
😎Paper arxiv.org/pdf/2307.01197.pdf
😎Project www.vis.xyz/pub/sam-pt/
😎Code github.com/SysCV/sam-pt
🔥🔥 Source Code IS OUT! 🔥🔥
More: https://t.ly/ZddLl
🍥 PanoHead: 3D Full-Head Synthesis 🍥
👉#ByteDance (+UW-M) unveils PanoHead: 360◦ view-consistent portraits from a single-view image
😎Review https://t.ly/MrLNR
😎Paper arxiv.org/pdf/2303.13071.pdf
😎Project sizhean.github.io/panohead
😎Code github.com/sizhean/panohead
🚔 Fooling Neural Forensic Classifiers 🚔
👉Adversarial faces able to fool the forensic classifiers, while remaining undetectable by humans
😎Review https://t.ly/33Cc
😎Paper arxiv.org/pdf/2306.13091.pdf
😎Project koushiksrivats.github.io/face_attribute_attack
😎Code github.com/koushiksrivats/face_attribute_attack
🦷 Few-Shot Geometry-Aware Keypoints 🦷
👉UBC (+Flawless AI) unveils the new SOTA in semantic keypoints localization. Suitable for faces, animals, cars, mouth, teeth & more
😎Review https://t.ly/-0qN
😎Paper arxiv.org/pdf/2303.17216.pdf
😎Project xingzhehe.github.io/FewShot3DKP/
🫣 Text-Guided Adversarial Makeup 🫣
👉Novel facial privacy protection via adversarial latent codes. Makeup vs Face Recognition.
😎Review https://t.ly/pBCP
😎Paper arxiv.org/pdf/2306.10008.pdf
😎Code github.com/fahadshamshad/Clip2Protect
🧿 NeRF-Supervised Deep Stereo 🧿
👉A novel pioneering pipeline for training deep stereo networks WITH NO ground-truth
😎Review https://t.ly/c7j-
😎Project nerfstereo.github.io/
😎Dataset https://amsacta.unibo.it/id/eprint/7218/
😎Code github.com/fabiotosi92/NeRF-Supervised-Deep-Stereo
😎Paper https://openaccess.thecvf.com/content/CVPR2023/papers/Tosi_NeRF-Supervised_Deep_Stereo_CVPR_2023_paper.pdf
👁️ Scene Five: Through Her Eyes 👁️
👉 #3D scene reconstruction of what a person is observing using only the reflections of their eyes
😎Review https://t.ly/Krvw
😎Paper arxiv.org/pdf/2306.09348.pdf
😎Project https://world-from-eyes.github.io/
🌈 Track Everything Everywhere 🌈
👉#Google unveils OmniMotion: full-length motion tracking for every pixel in every frame of video.
😎Review https://t.ly/Krvw
😎Paper arxiv.org/pdf/2306.05422.pdf
😎Project omnimotion.github.io/
😎Demo omnimotion.github.io/#interactive_demo
😎Code github.com/qianqianwang68/omnimotion
