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 17 261 подписчиков, занимая 7 543 место в категории Технологии и приложения и 2 144 место в регионе Малайзия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 17 261 подписчиков.
Согласно последним данным от 26 октября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило 250, а за последние 24 часа — 1, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 17.43%. В первые 24 часа после публикации контент обычно набирает 7.04% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 3 008 просмотров. В течение первых суток публикация набирает 1 216 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 16.
- 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 27 октября, 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.
17 261
Подписчики
+124 часа
+97 дней
+25030 дней
Архив постов
🌲 MagicEdit: Magic Video Editing 🌲
👉MagicEdit: explicit disentangling the learning of content, structure & motion for Hi-Fi and temporally coherent video editing.
😎Report https://t.ly/tREX4
😎Paper https://arxiv.org/pdf/2308.14749.pdf
😎Project https://magic-edit.github.io/
😎Code github.com/magic-research/magic-edit
🌲 MagicEdit: Magic Video Editing 🌲
👉MagicEdit: explicit disentangling the learning of content, structure & motion for Hi-Fi and temporally coherent video editing.
😎Report https://t.ly/tREX4
😎Paper https://arxiv.org/pdf/2308.14749.pdf
😎Project https://magic-edit.github.io/
😎Code github.com/magic-research/magic-edit
🪶 ReST: Multi-Camera MOT 🪶
👉Novel reconfigurable two-steps graph model for multi-camera multi object video tracking (MC-MOT)
😎Review https://t.ly/3C5tb
😎Paper arxiv.org/pdf/2308.13229.pdf
😎Code github.com/chengche6230/ReST
💡 Relighting NeRF 💡
👉Neural implicit radiance representation for free viewpoint relighting of an object lit by a moving point light
😎Review https://t.ly/J-3_L
😎Project nrhints.github.io
😎Code github.com/iamNCJ/NRHints
😎Paper nrhints.github.io/pdfs/nrhints-sig23.pdf
🐨 Watch Your Steps: Editing by Text 🐨
👉The novel SOTA in image & scene (text) editing via denoising diffusion models
😎Review https://t.ly/fv9wn
😎Paper arxiv.org/pdf/2308.08947.pdf
😎Project ashmrz.github.io/WatchYourSteps
🥕 Scenimefy: I-2-I for anime 🥕
👉S-Lab unveils a novel semi-supervised I-2-I translation framework + HD dataset for anime
😎Review https://t.ly/IsdEG
😎Paper arxiv.org/pdf/2308.12968.pdf
😎Code https://github.com/Yuxinn-J/Scenimefy
😎Project https://yuxinn-j.github.io/projects/Scenimefy.html
🌆 NeO360: NeRF for Sparse Outdoor 🌆
👉#Toyota (+GIT) unveils NeO360: 360◦ outdoor scenes from a single or a few posed RGB images
😎Review https://t.ly/JDJZg
😎Paper arxiv.org/pdf/2308.12967.pdf
😎Project zubair-irshad.github.io/projects/neo360.html
🌵 POCO: 3D HPS using Confidence 🌵
👉 Novel framework for HPS regression: #3D human body + confidence in a single feed-forward pass
😎Review https://t.ly/cDePe
😎Paper arxiv.org/pdf/2308.12965.pdf
😎Project https://poco.is.tue.mpg.de
🦠 Instance-Level Semantics of Cells 🦠
👉TYC: novel dataset for understanding instance-level semantics & motions of cells in microstructures
😎Review https://t.ly/y-4VZ
😎Paper arxiv.org/pdf/2308.12116.pdf
😎Project christophreich1996.github.io/tyc_dataset/
😎Code github.com/ChristophReich1996/TYC-Dataset
😎Data tudatalib.ulb.tu-darmstadt.de/handle/tudatalib/3930
Hello everybody,
a lot of you asked me to open the comments to better enjoy the posts. I want to follow your suggestion, hope this new mood likes you.
🔥 NO SPAM
🔥 NO COMMERCIAL
🔥 NO UNRESPECTFUL MESSAGEs
🧡JUST AI & SCIENCE
⚠️ BAN AT THE FIRST VIOLATION ⚠️
🕹️ CoDeF: Video Content Deformation Fields 🕹️
👉Content deformation field is a new type of video representation for video-editing tasks
😎Review https://t.ly/PIVl-
😎Paper arxiv.org/pdf/2308.07926.pdf
😎Project https://qiuyu96.github.io/CoDeF
😎Code https://github.com/qiuyu96/CoDeF
⚡️Feature Matching at Light Speed⚡️
👉LightGlue is a lightweight feature matcher with high accuracy and blazing fast inference
😎Review https://t.ly/jkecX
😎Paper arxiv.org/pdf/2306.13643.pdf
😎Code github.com/cvg/LightGlue
🥎 SportsMOT + MixSort = Sports MOT 🥎
👉Nanjing just released a MOT dataset for sports scenes + the SOTA code/model for tracking (MixSort)
😎Review https://t.ly/NHUxL
😎Paper arxiv.org/pdf/2304.05170.pdf
😎Project deeperaction.github.io/datasets/sportsmot.html
😎Code github.com/MCG-NJU/MixSort
🛒 Digital Twins for AutoRetail Checkout 🛒
👉From #Nvidia a novel approach for using 3D assets for training 2D detection and tracking model in AutoRetail Checkout
😎Review https://t.ly/Ea7kt
😎Paper arxiv.org/pdf/2308.09708.pdf
😎Code github.com/yorkeyao/Automated-Retail-Checkout
🌈 Tracking by Persistent Dynamic View Synthesis 🌈
👉Novel simultaneous addressing of dynamic scene novel-view synthesis + 6-DOF tracking of all dense scene elements
😎Review https://t.ly/Bc535
😎Paper arxiv.org/pdf/2308.09713.pdf
😎Project dynamic3dgaussians.github.io
😎Code github.com/JonathonLuiten/Dynamic3DGaussians
🔥The code is out!🔥
😎 Code https://github.com/NVlabs/neuralangelo
🐘 Controllable Synthetic Data (extending Image-Net) 🐘
👉#META's PUG, a new generation of interactive environments for representation learning. Extending Image-Net!
😎Review https://t.ly/nCYs0
😎Paper arxiv.org/pdf/2308.03977.pdf
😎Project pug.metademolab.com
😎Code github.com/facebookresearch/PUG
👩🚀 HD Avatar via Text & Pose 👩🚀
👉 Generating expressive #3D avatars from nothing but text descriptions & pose guidance
😎Review https://t.ly/wrSMH
😎Paper arxiv.org/pdf/2308.03610.pdf
😎Project avatarverse3d.github.io
🎨 I-Paint: Interactive Neural Painting 🎨
👉 Novel AI-powered tool to help artists in completing their artworks
😎Review https://t.ly/ELUb0
😎Paper arxiv.org/pdf/2307.16441.pdf
😎Project helia95.github.io/inp-website
😎Supp helia95.github.io/inp-website/supp_mat.html
