Computer Science and Programming

Открыть в Telegram

Channel specialized for advanced topics of: * Artificial intelligence, * Machine Learning, * Deep Learning, * Computer Vision, * Data Science * Python Admin: @otchebuch Memes: @memes_programming Ads: @Source_Ads, https://telega.io/c/computer_science

Больше

Сеть:Computer Science and Programming Италия87 Технологии и приложения815...

📈 Аналитический обзор Telegram-канала Computer Science and Programming

Канал Computer Science and Programming (@computer_science_and_programming) языкового сегмента Английский является активным участником. Сейчас сообщество объединяет 142 757 подписчиков, занимая 815 место в категории Технологии и приложения и 87 место в регионе Италия.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 142 757 подписчиков.

Согласно последним данным от 13 июня, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -1 316, а за последние 24 часа — -26, при этом общий охват остаётся высоким.

Статус верификации: Не верифицирован
Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 6.13%. В первые 24 часа после публикации контент обычно набирает 1.79% реакций от общего числа подписчиков.
Охват публикаций: В среднем каждый пост получает 8 753 просмотров. В течение первых суток публикация набирает 2 559 просмотров.
Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 17.
Тематические интересы: Контент сосредоточен на ключевых темах, таких как sellerflash, github, developer, pricing, waybienad.

📝 Описание и контентная политика

Автор описывает ресурс как площадку для выражения субъективного мнения:
“Channel specialized for advanced topics of: * Artificial intelligence, * Machine Learning, * Deep Learning, * Computer Vision, * Data Science * Python Admin: @otchebuch Memes: @memes_programming Ads: @Source_Ads, https://telega.io/c/computer_sc...”

Благодаря высокой частоте обновлений (последние данные получены 14 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.

142 757

Подписчики

-2624 часа

-1847 дней

-1 31630 день

8 753

Просмотры поста

~ 2 55924 часа

~ 3 64348 часов

6.13%

Коэффициент вовлеченности

~ 1

Постов в день

Ads index

beta

Архив постов

142 737

⚠ Message was hidden by channel owner

142 737

Paper: https://arxiv.org/pdf/2107.10833v1.pdf Github: https://github.com/xinntao/Real-ESRGAN Colab demo: https://colab.research.google.com/drive/1k2Zod6kSHEvraybHl50Lys0LerhyTMCo?usp=sharing 👉@computer_science_and_programming

142 737

Practical image restoration Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data 👉@computer_science_and_programming

142 737

A simpler design but better performance! It aims to bridge the gap between research and industrial communities. Paper: https://arxiv.org/pdf/2107.08430v1.pdf Github: https://github.com/Megvii-BaseDetection/YOLOX 👉@computer_science_and_programming

142 737

YOLOX: Exceeding YOLO Series in 2021 Anchor-free version of YOLO series Won the 1st Place on Streaming Perception Challenge (Workshop on Autonomous Driving at CVPR 2021)

142 737

SMURF: Self-Teaching Multi-Frame Unsupervised RAFT with Full-Image Warping Paper: https://arxiv.org/pdf/2105.07014.pdf Video: https://www.youtube.com/watch?v=W7NCbfZp6QE Code: https://github.com/google-research/google-research/tree/master/smurf 👉 @computer_science_and_programming

142 737

From Google and Waymo researchers: The self-/unsupervised revolution is near! Unsupervised optical flow model SMURF improves SOTA by 40% and beats many supervised methods such as PWC-Net and FlowNet2 👉 @computer_science_and_programming

142 737

All Open Access Papers: https://openaccess.thecvf.com/CVPR2021

142 737

It's CVPR 2021 time!

142 737

Paper: https://arxiv.org/pdf/2106.13797v2.pdf Github: https://github.com/whai362/PVT

142 737

PVTv2: Improved Baselines with Pyramid Vision Transformer ✅ Classification ✅ Detection ✅ Segmentation

142 737

Paper: https://arxiv.org/pdf/2106.02034.pdf Github: https://github.com/raoyongming/DynamicViT Project page: https://dynamicvit.ivg-research.xyz/

142 737

DynamicViT: Efficient Vision Transformers with Dynamic Token Sparsification

142 737

Paper: https://people.engr.tamu.edu/nimak/Papers/SIGAsia2020_LF/resource/SIGGRAPH_2020_Light_Field_Authors_version.pdf Code: https://github.com/Turmac/light_field_synthesis Project page: https://people.engr.tamu.edu/nimak/Papers/SIGAsia2020_LF/index.html Dataset: https://drive.google.com/file/d/1oHywOJAAYm8YrSH5mDubjTAwN8jrCC9y/view

142 737

Synthesizing Light Field From a Single Image with Variable MPI and Two Network Fusion

142 737

500 + 𝗔𝗿𝘁𝗶𝗳𝗶𝗰𝗶𝗮𝗹 𝗜𝗻𝘁𝗲𝗹𝗹𝗶𝗴𝗲𝗻𝗰𝗲 𝗣𝗿𝗼𝗷𝗲𝗰𝘁 𝗟𝗶𝘀𝘁 𝘄𝗶𝘁𝗵 𝗰𝗼𝗱𝗲 https://github.com/ashishpatel26/500-AI-Machine-learning-Deep-learning-Computer-vision-NLP-Projects-with-code

142 737

Great resource of AI, Machine learning, Deep learning, Computer vision, NLP Projects and Courses with code

142 737

Github: https://github.com/OlafenwaMoses/DeepStack_ExDark Documentation: https://docs.deepstack.cc/index.html#installation Custom dataset preparation: https://docs.deepstack.cc/custom-models/datasetprep/index.html Training custom model: https://docs.deepstack.cc/custom-models/training/index.html

142 737

Dark scene object detection API for detecting 12 common objects in the dark/night images and videos

142 737

🔥 Self-Supervised Vision Transformers with DINO Blogpost: https://ai.facebook.com/blog/dino-paws-computer-vision-with-self-supervised-transformers-and-10x-more-efficient-training/ Paper: https://arxiv.org/pdf/2104.14294.pdf Code: https://github.com/facebookresearch/dino