AI with Papers - Artificial Intelligence & Deep Learning
Відкрити 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
Показати більше📈 Аналітичний огляд Telegram-каналу AI with Papers - Artificial Intelligence & Deep Learning
Канал AI with Papers - Artificial Intelligence & Deep Learning (@ai_deeplearning) у мовному сегменті Англійська є активним учасником. На даний момент спільнота об'єднує 17 259 підписників, посідаючи 7 509 місце в категорії Технології та додатки та 2 130 місце у регіоні Малайзія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 17 259 підписників.
За останніми даними від 25 жовтня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 261, а за останні 24 години на 2, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 16.91%. Протягом перших 24 годин після публікації контент зазвичай збирає 7.04% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 2 918 переглядів. Протягом першої доби публікація в середньому набирає 1 216 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 16.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як framework, object, dataset, tba, depth.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“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”
Завдяки високій частоті оновлень (останні дані отримано 26 жовтня, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.
17 259
Підписники
+224 години
+17 днів
+26130 днів
Завантажуємо дані
Схожі канали
Хмара тегів
Вхідні та вихідні згадування
---
---
---
---
---
---
Залучення підписників
жовтень '26жовт '26
жовтень '26
+266
в 0 каналах
вересень '26
+109
в 0 каналах
Get PRO
серпень '26
+71
в 2 каналах
Get PRO
липень '26
+56
в 0 каналах
Get PRO
червень '26
+52
в 0 каналах
Get PRO
травень '26
+90
в 0 каналах
Get PRO
квітень '26
+207
в 0 каналах
Get PRO
березень '26
+718
в 0 каналах
Get PRO
лютий '26
+140
в 1 каналах
Get PRO
січень '26
+2 306
в 0 каналах
Get PRO
грудень '25
+157
в 1 каналах
Get PRO
листопад '25
+201
в 0 каналах
Get PRO
жовтень '25
+243
в 1 каналах
Get PRO
вересень '25
+147
в 3 каналах
Get PRO
серпень '25
+140
в 0 каналах
Get PRO
липень '25
+162
в 0 каналах
Get PRO
червень '25
+107
в 0 каналах
Get PRO
травень '25
+152
в 1 каналах
Get PRO
квітень '25
+331
в 0 каналах
Get PRO
березень '25
+459
в 1 каналах
Get PRO
лютий '25
+600
в 0 каналах
Get PRO
січень '25
+643
в 1 каналах
Get PRO
грудень '24
+542
в 1 каналах
Get PRO
листопад '24
+439
в 2 каналах
Get PRO
жовтень '24
+350
в 3 каналах
Get PRO
вересень '24
+215
в 0 каналах
Get PRO
серпень '24
+295
в 0 каналах
Get PRO
липень '24
+396
в 1 каналах
Get PRO
червень '24
+439
в 0 каналах
Get PRO
травень '24
+533
в 0 каналах
Get PRO
квітень '24
+483
в 0 каналах
Get PRO
березень '24
+501
в 1 каналах
Get PRO
лютий '24
+493
в 0 каналах
Get PRO
січень '24
+522
в 1 каналах
Get PRO
грудень '23
+400
в 0 каналах
Get PRO
листопад '23
+330
в 0 каналах
Get PRO
жовтень '23
+298
в 0 каналах
Get PRO
вересень '23
+482
в 0 каналах
Get PRO
серпень '23
+136
в 0 каналах
Get PRO
липень '23
+173
в 0 каналах
Get PRO
червень '23
+112
в 0 каналах
Get PRO
травень '23
+164
в 0 каналах
Get PRO
квітень '23
+234
в 0 каналах
Get PRO
березень '23
+216
в 0 каналах
Get PRO
лютий '23
+400
в 0 каналах
Get PRO
січень '23
+435
в 0 каналах
Get PRO
грудень '22
+372
в 0 каналах
Get PRO
листопад '22
+5 238
в 0 каналах
| Дата | Залучення підписників | Згадування | Канали | |
| 26 жовтня | 0 | |||
| 25 жовтня | +2 | |||
| 24 жовтня | +1 | |||
| 23 жовтня | +4 | |||
| 22 жовтня | +3 | |||
| 21 жовтня | +7 | |||
| 20 жовтня | +4 | |||
| 19 жовтня | +2 | |||
| 18 жовтня | +4 | |||
| 17 жовтня | +4 | |||
| 16 жовтня | +7 | |||
| 15 жовтня | +2 | |||
| 14 жовтня | +4 | |||
| 13 жовтня | +3 | |||
| 12 жовтня | +5 | |||
| 11 жовтня | +4 | |||
| 10 жовтня | +6 | |||
| 09 жовтня | +3 | |||
| 08 жовтня | +2 | |||
| 07 жовтня | +10 | |||
| 06 жовтня | +7 | |||
| 05 жовтня | +16 | |||
| 04 жовтня | +15 | |||
| 03 жовтня | +64 | |||
| 02 жовтня | +77 | |||
| 01 жовтня | +10 |
Дописи каналу
🫀 SKIM V2 is out🫀
👉SOMA recovers muscle deformation over time from surface observations captured by multi-view RGB cameras, the first approach of this kind. SKIM v2: a new soft-tissue deformation dataset. Code under MIT, data & weights NC💙
👉Review https://lnkd.in/p/dB4XS7vB
👉Paper https://lnkd.in/d64S_qxj
👉Project https://lnkd.in/dWtavYGn
👉Repo https://lnkd.in/dXNJqY6N
| 2 |  🧊 SOTA Foundation Pose 🧊
👉From one segmented RGB-D observation, directly predict 6D pose, metric size, and camera-frame completed shape. Repo under Apace 2.0💙
👉Review https://lnkd.in/p/dXpXt7Pz
👉Paper https://arxiv.org/pdf/2610.31623
👉Project https://jrryzh.github.io/F2G-Pose/
👉Repo https://github.com/jrryzh/F2G-Pose | 1 398 |
| 3 |  🍵3D from Single Human RGB🍵
👉Real-to-semantic-to-real pipeline that turns one monocular RGB video of a human demonstration into thousands of robot demonstrations. Code TBA💙
👉Review https://lnkd.in/p/dt-B2QMt
👉Paper https://arxiv.org/pdf/2610.28880
👉Project https://real2sem2real.github.io/
👉Repo TBA | 2 113 |
| 4 |  🥭Agentic Manga->Animation🥭
👉Manga2Animate: turning existing manga pages into coherent animation that stays faithful to the original manga. Impressive results, best with sound. Code released.💙
👉Review https://lnkd.in/p/dHpdPAj3
👉Paper https://arxiv.org/pdf/2610.26851
👉Project https://annchenn.github.io/Manga2Animate/
👉Repo https://github.com/annchenn/Manga2Animate | 2 103 |
| 5 |  🔥SOTA Video Matting (long clips)🔥
👉VideoMaMa++ (#NeuroIPS 2026): mask-guided video matting framework that recovers fine-grained details (e.g., hair strands) and scales reliably to long videos. Impressive results, NC code announced💙
👉Review https://lnkd.in/p/dj3_zE3P
👉Paper https://arxiv.org/pdf/2610.26857
👉Project https://cvlab-kaist.github.io/VideoMaMa-PlusPlus/
👉Repo https://github.com/cvlab-kaist/VideoMaMa-PlusPlus | 2 252 |
| 6 |  🏵️Lang-Informed Lossless Encoder🏵️
👉Stanford's LILIE: an invertible image transform trained such that a vision-language model can recover captions from noised features. Code, encoders, and generative models💙
👉Review https://lnkd.in/dMgakzWm
👉Paper https://arxiv.org/pdf/2610.23653
👉Project https://www.suchiragarwal.com/lilie/
👉Repo https://github.com/SuchirAgarwal/lilie | 2 305 |
| 7 |  🔥700 FPS Humans Recovery🔥
👉One model, any sparse signal: OmniPoser recovers full-body 3D human motion from 3D keypoints, sparse IMU rotations, head-mounted 6-DoF poses, or any subset or combination of these signals. All within a SINGLE model. Repo under nc-cc license💙
👉Review https://lnkd.in/p/e-xAquHt
👉Paper https://arxiv.org/pdf/2610.19857
👉Project https://jamesbridgewater51.github.io/omniposer-eccv/
👉Repo https://github.com/JamesBridgewater51/omniposer | 3 085 |
| 8 | Back to post on Twitter 😈
https://x.com/ai_withpapers | 2 664 |
| 9 |  🎊 Pixel-Level 4D Humans 🎊
👉Dense4D from the Imperial College is the first feed-forward model dedicated to dense 4D correspondence across the body, clothing and hair from a set of monocular RGB images, without a body template. Code announced💙
👉Review https://lnkd.in/p/e9GXGggz
👉Paper https://arxiv.org/pdf/2610.22325
👉Project https://alpguler.com/dense4d/
👉Repo TBA | 2 639 |
| 10 |  🧊SOTA category-level 9D Pose🧊
👉SJTU at #NeurIPS 2026 with the new SOTA among RGB-based methods for category-level 9D pose estimation. Code announced💙
👉Review https://lnkd.in/p/e5BvM7Ua
👉Paper https://arxiv.org/pdf/2610.18374
👉Project https://souglad21.github.io/SchemaPose/
👉Repo TBA | 2 754 |
| 11 |  🐇Segment where you look🐇
👉KAUST (+Adobe) revisited the interface through which a vision-language model passes the location of its referent to a segmentation decoder. Code announced💙
👉Review https://lnkd.in/p/er_ifxGR
👉Paper https://lnkd.in/eATXw98R
👉Project https://lnkd.in/eXSWvxPN
👉Repo TBA | 2 567 |
| 12 | Hi everyone 👋
over the past months, engagement on my posts has grown a lot, which tells me the content you value is getting better. At the same time, impressions have dropped, and I think a big part of the reason is the flood of low-quality viral posts filling many of our feeds. PROVE ME WRONG 😂
The best way to push back is to engage with the posts that are actually worth your time. Open the post on LinkedIn, then leave a comment (even a couple of lines with your take), and like, share, or save it if it's useful. Comments are the most valuable, but every action helps. With ~100,000 of us following along, this is how we tell the algorithm, and me, what deserves more space.
Fight fire with fire! | 3 023 |
| 13 |  🥬 Rotational neural keypoint 🥬
👉RaCo is a rotationally equivariant neural keypoint detector that identifies stable and repeatable keypoints. Code under Apache 2.0💙
👉Review https://lnkd.in/p/ezQzUwju
👉Paper https://arxiv.org/pdf/2602.15755
👉Repo https://github.com/cvg/RaCo | 3 251 |
| 14 |  🫏What EGO does not teach🫏
👉A brilliant work about a controlled study of how interaction fidelity in ego-centric world models behaves as a function of scale. Closing this gap will depend on how models are trained, not only on how much data they see. Repo available soon💙
👉Review https://lnkd.in/p/dzKbCCfr
👉Paper https://lnkd.in/dcpReY9E
👉Project https://lnkd.in/dnpfpZnG
👉Repo TBA | 1 179 |
| 15 |  🟨 Rome from ONE pic 🟥
👉Detailed scene meshes from one photograph: the method completes geometry beyond the observed view and supports indoor, outdoor, and large-scale scenes. Repo announced💙
👉Review https://lnkd.in/p/eMdWBEGn
👉Paper https://arxiv.org/pdf/2610.08790
👉Project https://build-rome.github.io/
👉Repo TBA | 4 559 |
| 16 |  🐇Physically Plausible 3D Motion🐇
👉Physically plausible motion recovery: given a monocular video, FlowHMR recovers global 3D human motion that a physics-based controller can successfully track in simulation. Repo💙
👉Review https://lnkd.in/p/d77fzUtR
👉Paper https://arxiv.org/pdf/2610.03691
👉Project https://flowhmr.github.io/
👉Repo https://github.com/flowhmr/flowhmr | 4 364 |
| 17 |  🔥The Computer Vision ultimate collection🔥
👉Stan Birchfield (#Nvidia) just dropped this on arXiv. From classical image processing and 3D geometry to CNNs, Transformers, foundation models, and neural rendering. What makes this book damn good is the combination of clear explanations and working Python. A gift.
👉Review https://lnkd.in/p/ejwm_DVn
👉Book https://lnkd.in/eTrEvmd9
👉Code https://lnkd.in/eakj9VZU | 5 620 |
| 18 |  🔥🔥 70,000+ 🔥🔥
👉 Crazy how a boring science project (no kittens, no rants, no personal dramas) can reach for 70,000+ followers. Speechless.
Love u 💛
👉 https://lnkd.in/p/eD6Xxdxi | 4 338 |
| 19 |  🔥Ego-Exo4D Human Dataset🔥
👉Form the University of Austin, Ego-Exo4D-HM: large-scale dataset of 4D human motion reconstructions for Ego-Exo4D’s captures + reconstruction pipeline. Code, dataset, and docs released💙
👉Review https://lnkd.in/p/eVFt9jPr
👉Paper https://lnkd.in/eWj4cD7T
👉Project https://lnkd.in/euPqVNxV | 3 990 |
| 20 |  🔥TrackEverything is out🔥
👉TrackEverything is the first 3D point tracker capable of tracking all visible points across long horizons (1000+ frames). Repo announced💙
👉Review https://lnkd.in/p/eCPJ6h2B
👉Paper https://arxiv.org/pdf/2609.30222
👉Project https://trackeverything.github.io/
👉Repo https://github.com/ayushjain1144/trackeverything | 4 370 |
