Уже доступно! Исследование Telegram 2025 — ключевые инсайты года 
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📈 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 17 144 подписчиков, занимая 7 701 место в категории Технологии и приложения и 2 225 место в регионе Малайзия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 17 144 подписчиков.
Согласно последним данным от 25 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -186, а за последние 24 часа — 3, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 23.94%. В первые 24 часа после публикации контент обычно набирает 6.86% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 0 просмотров. В течение первых суток публикация набирает 1 177 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 0.
- 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 26 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.
17 144
Подписчики
+324 часа
-367 дней
-18630 день
Архив постов
🔥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
