AI with Papers - Artificial Intelligence & Deep Learning

Открыть в 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

Больше

Малайзия2 251 Технологии и приложения7 699...

📈 Аналитический обзор Telegram-канала AI with Papers - Artificial Intelligence & Deep Learning

Канал AI with Papers - Artificial Intelligence & Deep Learning (@ai_deeplearning) языкового сегмента Английский является активным участником. Сейчас сообщество объединяет 17 237 подписчиков, занимая 7 699 место в категории Технологии и приложения и 2 251 место в регионе Малайзия.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 17 237 подписчиков.

Согласно последним данным от 04 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -96, а за последние 24 часа — -18, при этом общий охват остаётся высоким.

Статус верификации: Не верифицирован
Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 19.99%. В первые 24 часа после публикации контент обычно набирает N/A% реакций от общего числа подписчиков.
Охват публикаций: В среднем каждый пост получает 3 445 просмотров. В течение первых суток публикация набирает 0 просмотров.
Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 14.
Тематические интересы: Контент сосредоточен на ключевых темах, таких как framework, object, dataset, tba, depth.

📝 Описание и контентная политика

Автор описывает ресурс как площадку для выражения субъективного мнения:
“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”

Благодаря высокой частоте обновлений (последние данные получены 05 июня, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Технологии и приложения.

17 237

Подписчики

-1824 часа

-717 дней

-9630 день

3 445

Просмотры поста

Нет данных24 часа

Нет данных48 часов

19.99%

Коэффициент вовлеченности

Нет данных

Постов в день

Ads index

beta

Загрузка данных...

Похожие каналы

24.6K

Machine learning books and papers

16.8K

Artificial Intelligence

Artificial Intelligence / Deep & Machine Learning (Data Science)

Больше каналов

Облако тегов

Входящие и исходящие упоминания

---

Привлечение подписчиков

июнь '26

в 0 каналах

май '26

+90

в 0 каналах

Get PRO

апрель '26

+207

в 0 каналах

Get PRO

март '26

+718

в 0 каналах

Get PRO

февраль '26

+140

в 1 каналах

Get PRO

январь '26

+2 306

в 0 каналах

Get PRO

декабрь '25

+157

в 1 каналах

Get PRO

ноябрь '25

+201

в 0 каналах

Get PRO

октябрь '25

+243

в 1 каналах

Get PRO

сентябрь '25

+147

в 3 каналах

Get PRO

август '25

+140

в 0 каналах

Get PRO

июль '25

+162

в 0 каналах

Get PRO

июнь '25

+107

в 0 каналах

Get PRO

май '25

+152

в 1 каналах

Get PRO

апрель '25

+331

в 0 каналах

Get PRO

март '25

+459

в 1 каналах

Get PRO

февраль '25

+600

в 0 каналах

Get PRO

январь '25

+643

в 1 каналах

Get PRO

декабрь '24

+542

в 1 каналах

Get PRO

ноябрь '24

+439

в 2 каналах

Get PRO

октябрь '24

+350

в 3 каналах

Get PRO

сентябрь '24

+215

в 0 каналах

Get PRO

август '24

+295

в 0 каналах

Get PRO

июль '24

+396

в 1 каналах

Get PRO

июнь '24

+439

в 0 каналах

Get PRO

май '24

+533

в 0 каналах

Get PRO

апрель '24

+483

в 0 каналах

Get PRO

март '24

+501

в 1 каналах

Get PRO

февраль '24

+493

в 0 каналах

Get PRO

январь '24

+522

в 1 каналах

Get PRO

декабрь '23

+400

в 0 каналах

Get PRO

ноябрь '23

+330

в 0 каналах

Get PRO

октябрь '23

+298

в 0 каналах

Get PRO

сентябрь '23

+482

в 0 каналах

Get PRO

август '23

+136

в 0 каналах

Get PRO

июль '23

+173

в 0 каналах

Get PRO

июнь '23

+112

в 0 каналах

Get PRO

май '23

+164

в 0 каналах

Get PRO

апрель '23

+234

в 0 каналах

Get PRO

март '23

+216

в 0 каналах

Get PRO

февраль '23

+400

в 0 каналах

Get PRO

январь '23

+435

в 0 каналах

Get PRO

декабрь '22

+372

в 0 каналах

Get PRO

ноябрь '22

+5 238

в 0 каналах

Дата	Привлечение подписчиков	Упоминания	Каналы
05 июня	+1
04 июня	0
03 июня	0
02 июня	+5
01 июня	+2

Посты канала

🔍 Nvidia Locate Anything 🔍 👉Diverse localization tasks under a unified vision-language model, including document understanding, GUI grounding, dense detection, and OCR. Repo released💙 👉Review https://t.ly/PvwFo 👉Paper https://lnkd.in/dWfNpzPZ 👉Project https://lnkd.in/dM89BX-8 👉Repo https://lnkd.in/dC4KCQSM

2	🪔Latent Decoding with Pixel Diffusion🪔 👉PiD by Nvidia is a plug-and-play diffusion decoder that replaces VAE/RAE decoders, turning latent representations directly into super-resolved pixels in a single pass. Repo under Apache 2.0💙 👉Review https://t.ly/y19mA 👉Paper https://lnkd.in/duVC25C2 👉Project https://lnkd.in/dW6TkzCB 👉Repo https://lnkd.in/dnGdgKRr	3 495
3	🍒Count Anything, Any Granularity🍒 👉Open-world counting as multi-grained counting, where visual exemplars specify target appearance and fine-grained text specifies the intended semantic granularity across five explicit levels. Repo/Data under Apache💙 👉Review https://t.ly/nqz80 👉Paper https://lnkd.in/dp7khTRU 👉Project https://lnkd.in/d_jfX_Yn 👉Repo https://lnkd.in/dkTRGZkG 👉Data https://lnkd.in/dB83jRyT	5 125
4	🦄Unified Correspondence Transformer🦄 👉UniCorrn is the first correspondence model with shared weights that unifies 2D-2D, 2D-3D, and 3D-3D geometric matching with an end-to-end transformer architecture. Repo under CC BY-NC-SA 4.0💙 👉Review https://t.ly/2OBdq 👉Paper https://arxiv.org/pdf/2605.04044 👉Project https://neu-vi.github.io/UniCorrn/ 👉Repo https://github.com/neu-vi/UniCorrn	5 310
5	About the frequency of posting in the channel:	4 466
6	🪝Syn4D: Multiview Synthetic 4D Dataset🪝 👉Syn4D is novel multi-view synthetic dataset of dynamic scenes that includes ground-truth camera motion, depth maps, dense tracking, and parametric human pose annotations💙 👉Review https://t.ly/SL1mk 👉Paper https://arxiv.org/pdf/2605.05207 👉Project https://jzr99.github.io/Syn4D/ 👉Repo https://github.com/jzr99/Syn4D 👉Data huggingface.co/datasets/Syn4D/Syn4D_RGBD/tree/main	3 983
7	🧘‍♀️Holistic Shot Boundary Detection🧘‍♀️ 👉OmniShotCut detects shot changes of the video in diverse sources (anime, vlog, game, shorts, sports, screen recording, etc.), and recognize Sudden Jump and Transitions (dissolve, fade, wipe, etc.) by proposing a Shot-Query-based Video Transformer. Repo, demo & benchmark💙 👉Review https://t.ly/sTi7N 👉Paper https://arxiv.org/pdf/2604.24762 👉Project uva-computer-vision-lab.github.io/OmniShotCut_website/ 👉Repo github.com/UVA-Computer-Vision-Lab/OmniShotCut	4 295
8	🛒 Reshoot-Anything is out 🛒 👉Reshoot-Anything reshoots dynamic monocular videos under novel camera trajectories. Code under Apache 2.0 💙 👉Review https://t.ly/MIqAc 👉Paper https://arxiv.org/pdf/2604.21776 👉Project adithyaiyer1999.github.io/reshoot-anything/ 👉Repo github.com/morphicfilms/video-to-video	0
9	💙 PY4AI 2026: here we are! 💙 👉The third edition of our conference is official! Speaker list and (free) tickets: https://t.ly/L4_52	0
10	🎈Face Anything 4D (SOTA)🎈 👉A novel unified 4D facial reconstruction and dense tracking from image sequences: new SOTA in facial single-image and mono-video depth estimation, dense 4D reconstruction, and 3D point tracking. Repo & Dataset announced💙 👉Review https://t.ly/zItie 👉Paper https://arxiv.org/pdf/2604.19702 👉Project kocasariumut.github.io/FaceAnything 👉Repo TBA	0
11	🌗Mobile Ultra-detailed Avatars🌗 👉Given skeletal poses and a virtual camera as inputs, MUA by Max Planck Institute produces photorealistic renderings and hyper-detailed geometry of animatable clothed humans. Repo announced💙 👉Review https://t.ly/QPCy6 👉Paper https://arxiv.org/pdf/2604.18583 👉Project https://vcai.mpi-inf.mpg.de/projects/MUA/ 👉Repo TBA	0
12	👩‍🦰 3D Head w/ Deformable Hair 👩‍🦰 👉Xi’an Jiaotong University unveils a novel method that reconstructs decoupled 3D Gaussian head avatars from a single input image: effortless hairstyle transfer with natural dynamic hair motion. Code announced💙 👉Review https://t.ly/kWZdd 👉Paper https://arxiv.org/pdf/2604.14782 👉Project yuansun-xjtu.github.io/CompHairHead.io/ 👉Repo yuansun-xjtu.github.io/CompHairHead.io/	0
13	🐞GCT 3D Reconstruction🐞 👉ANT unveils LingBot-Map, a feed-forward 3D foundation model for reconstructing scenes from streaming data, built upon a geometric context transformer (GCT) architecture. Repo under A-NC 4.0 International💙 👉Review https://t.ly/ExodA 👉Paper https://arxiv.org/pdf/2604.14141 👉Project https://arxiv.org/pdf/2604.14141 👉Repo github.com/robbyant/lingbot-map	0
14	📱3D Human-Object Contact📱 👉Pi-HOC by CMU + NREC is a novel single-pass, instance-aware framework for dense 3D semantic contact prediction of all human-object pairs. Repo announced💙 👉Review https://t.ly/TAgG1 👉Paper https://arxiv.org/pdf/2604.12923 👉Project https://pi-hoc.github.io/ 👉Repo https://github.com/SravanChittupalli/Pi-HOC	0
15	🐓Interactive Objects from EgoVideo🐓 👉EgoFun3D by Simon Fraser University is a coordinated task, dataset and benchmark for modeling interactive 3D objects from egocentric videos. Repo (TBA), demo & dataset💙 👉Review https://t.ly/YhGN7 👉Paper arxiv.org/pdf/2604.11038 👉Project 3dlg-hcvc.github.io/EgoFun3D/ 👉Repo github.com/3dlg-hcvc/EgoFun3D 👉Demo bc79fea884062374b3.gradio.live/	0
16	🧴OmniShow: Automatic Contents Creation🧴 👉OmniShow is the novel SOTA in content creation with industry-grade performance. Impressive results, best with audio. Repo announced💙 👉Review https://t.ly/Pm-7U 👉Paper arxiv.org/pdf/2604.11804 👉Project correr-zhou.github.io/OmniShow/ 👉Repo github.com/Correr-Zhou/OmniShow	0
17	🔥SOTA 3D Detection in the wild🔥 👉WildDet3D is a novel unified geometry-aware architecture that natively accepts text, point, and box prompts and can incorporate auxiliary depth signals at inference time. New SOTA! Repo, models & #iphone💙 👉Review https://t.ly/8NxBN 👉Paper https://arxiv.org/pdf/2604.08626 👉Project https://allenai.github.io/WildDet3D/ 👉Repo https://github.com/allenai/WildDet3D	0
18	🐞6D Object Pose w/ Deformation🐞 👉DeSOPE by Xidian & #MagicLeap is a novel large-scale dataset for 6DoF deformed objects: 665K pose annotations produced via a semiautomatic pipeline. Repo & Dataset announced💙 👉Review https://t.ly/M5VgX 👉Paper https://arxiv.org/pdf/2604.06720 👉Project https://desope-6d.github.io/ 👉Repo TBA	0
19	🪞1.1M Metric VTON Dataset🪞 👉Google's Fit-Inclusive Try-on: large-scale VTO dataset comprising over 1.13M try-on image triplets accompanied by precise body and garment measurements. Repo & dataset announced💙 👉Review https://t.ly/cs-pt 👉Paper arxiv.org/pdf/2604.08526 👉Project johannakarras.github.io/FIT/ 👉Repo TBA	0
20	Here the preview, tomorrow the full clip from official source :)	0

Посмотреть все записи