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
☔ #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
🏸 Segment Anything in HQ 🏸
👉HQ-SAM: SAM with the ability to accurately segment objects, maintaining promptable design, efficiency, zero-shot generalizability
😎Report https://t.ly/GxX5B
😎Paper arxiv.org/pdf/2306.01567.pdf
😎Models github.com/SysCV/SAM-HQ
