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

Малайзія2 251 Технології та додатки7 699...

📈 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 17 237 підписників, посідаючи 7 699 місце в категорії Технології та додатки та 2 251 місце у регіоні Малайзія.

📊 Показники аудиторії та динаміка

З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 17 237 підписників.

За останніми даними від 04 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -96, а за останні 24 години на -18, загальне охоплення залишається високим.

Статус верифікації: Не верифікований
Рівень залученості (ER): Середній показник залученості аудиторії становить 19.99%. Протягом перших 24 годин після публікації контент зазвичай збирає N/A% реакцій від загальної кількості підписників.
Охоплення публікацій: В середньому кожен допис отримує 3 445 переглядів. Протягом першої доби публікація в середньому набирає 0 переглядів.
Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 14.
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 05 червня, 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.

17 237

Підписники

-1824 години

-717 днів

-9630 день

3 445

Перегляди допису

Немає даних24 години

Немає даних48 годин

19.99%

Коефіцієнт залучення

Немає даних

Дописів на день

Ads index

beta

Триває завантаження даних...

Схожі канали

24.6K

Machine learning books and papers

16.8K

Artificial Intelligence

Artificial Intelligence / Deep & Machine Learning (Data Science)

Більше каналів

Хмара тегів

Вхідні та вихідні згадування

---

Залучення підписників

червень '26

в 0 каналах

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
04 червня	0
03 червня	0
02 червня	+5
01 червня	+2

Дописи каналу

🔍 Nvidia Locate Anything 🔍 👉Diverse localization tasks under a unified vision-language model, including document understanding, GUI grounding, dense detection, and OCR. Repo released💙 👉Review https://t.ly/PvwFo 👉Paper https://lnkd.in/dWfNpzPZ 👉Project https://lnkd.in/dM89BX-8 👉Repo https://lnkd.in/dC4KCQSM

2	🪔Latent Decoding with Pixel Diffusion🪔 👉PiD by Nvidia is a plug-and-play diffusion decoder that replaces VAE/RAE decoders, turning latent representations directly into super-resolved pixels in a single pass. Repo under Apache 2.0💙 👉Review https://t.ly/y19mA 👉Paper https://lnkd.in/duVC25C2 👉Project https://lnkd.in/dW6TkzCB 👉Repo https://lnkd.in/dnGdgKRr	3 445
3	🍒Count Anything, Any Granularity🍒 👉Open-world counting as multi-grained counting, where visual exemplars specify target appearance and fine-grained text specifies the intended semantic granularity across five explicit levels. Repo/Data under Apache💙 👉Review https://t.ly/nqz80 👉Paper https://lnkd.in/dp7khTRU 👉Project https://lnkd.in/d_jfX_Yn 👉Repo https://lnkd.in/dkTRGZkG 👉Data https://lnkd.in/dB83jRyT	5 093
4	🦄Unified Correspondence Transformer🦄 👉UniCorrn is the first correspondence model with shared weights that unifies 2D-2D, 2D-3D, and 3D-3D geometric matching with an end-to-end transformer architecture. Repo under CC BY-NC-SA 4.0💙 👉Review https://t.ly/2OBdq 👉Paper https://arxiv.org/pdf/2605.04044 👉Project https://neu-vi.github.io/UniCorrn/ 👉Repo https://github.com/neu-vi/UniCorrn	5 285
5	About the frequency of posting in the channel:	4 448
6	🪝Syn4D: Multiview Synthetic 4D Dataset🪝 👉Syn4D is novel multi-view synthetic dataset of dynamic scenes that includes ground-truth camera motion, depth maps, dense tracking, and parametric human pose annotations💙 👉Review https://t.ly/SL1mk 👉Paper https://arxiv.org/pdf/2605.05207 👉Project https://jzr99.github.io/Syn4D/ 👉Repo https://github.com/jzr99/Syn4D 👉Data huggingface.co/datasets/Syn4D/Syn4D_RGBD/tree/main	3 967
7	🧘‍♀️Holistic Shot Boundary Detection🧘‍♀️ 👉OmniShotCut detects shot changes of the video in diverse sources (anime, vlog, game, shorts, sports, screen recording, etc.), and recognize Sudden Jump and Transitions (dissolve, fade, wipe, etc.) by proposing a Shot-Query-based Video Transformer. Repo, demo & benchmark💙 👉Review https://t.ly/sTi7N 👉Paper https://arxiv.org/pdf/2604.24762 👉Project uva-computer-vision-lab.github.io/OmniShotCut_website/ 👉Repo github.com/UVA-Computer-Vision-Lab/OmniShotCut	4 295
8	🛒 Reshoot-Anything is out 🛒 👉Reshoot-Anything reshoots dynamic monocular videos under novel camera trajectories. Code under Apache 2.0 💙 👉Review https://t.ly/MIqAc 👉Paper https://arxiv.org/pdf/2604.21776 👉Project adithyaiyer1999.github.io/reshoot-anything/ 👉Repo github.com/morphicfilms/video-to-video	0
9	💙 PY4AI 2026: here we are! 💙 👉The third edition of our conference is official! Speaker list and (free) tickets: https://t.ly/L4_52	0
10	🎈Face Anything 4D (SOTA)🎈 👉A novel unified 4D facial reconstruction and dense tracking from image sequences: new SOTA in facial single-image and mono-video depth estimation, dense 4D reconstruction, and 3D point tracking. Repo & Dataset announced💙 👉Review https://t.ly/zItie 👉Paper https://arxiv.org/pdf/2604.19702 👉Project kocasariumut.github.io/FaceAnything 👉Repo TBA	0
11	🌗Mobile Ultra-detailed Avatars🌗 👉Given skeletal poses and a virtual camera as inputs, MUA by Max Planck Institute produces photorealistic renderings and hyper-detailed geometry of animatable clothed humans. Repo announced💙 👉Review https://t.ly/QPCy6 👉Paper https://arxiv.org/pdf/2604.18583 👉Project https://vcai.mpi-inf.mpg.de/projects/MUA/ 👉Repo TBA	0
12	👩‍🦰 3D Head w/ Deformable Hair 👩‍🦰 👉Xi’an Jiaotong University unveils a novel method that reconstructs decoupled 3D Gaussian head avatars from a single input image: effortless hairstyle transfer with natural dynamic hair motion. Code announced💙 👉Review https://t.ly/kWZdd 👉Paper https://arxiv.org/pdf/2604.14782 👉Project yuansun-xjtu.github.io/CompHairHead.io/ 👉Repo yuansun-xjtu.github.io/CompHairHead.io/	0
13	🐞GCT 3D Reconstruction🐞 👉ANT unveils LingBot-Map, a feed-forward 3D foundation model for reconstructing scenes from streaming data, built upon a geometric context transformer (GCT) architecture. Repo under A-NC 4.0 International💙 👉Review https://t.ly/ExodA 👉Paper https://arxiv.org/pdf/2604.14141 👉Project https://arxiv.org/pdf/2604.14141 👉Repo github.com/robbyant/lingbot-map	0
14	📱3D Human-Object Contact📱 👉Pi-HOC by CMU + NREC is a novel single-pass, instance-aware framework for dense 3D semantic contact prediction of all human-object pairs. Repo announced💙 👉Review https://t.ly/TAgG1 👉Paper https://arxiv.org/pdf/2604.12923 👉Project https://pi-hoc.github.io/ 👉Repo https://github.com/SravanChittupalli/Pi-HOC	0
15	🐓Interactive Objects from EgoVideo🐓 👉EgoFun3D by Simon Fraser University is a coordinated task, dataset and benchmark for modeling interactive 3D objects from egocentric videos. Repo (TBA), demo & dataset💙 👉Review https://t.ly/YhGN7 👉Paper arxiv.org/pdf/2604.11038 👉Project 3dlg-hcvc.github.io/EgoFun3D/ 👉Repo github.com/3dlg-hcvc/EgoFun3D 👉Demo bc79fea884062374b3.gradio.live/	0
16	🧴OmniShow: Automatic Contents Creation🧴 👉OmniShow is the novel SOTA in content creation with industry-grade performance. Impressive results, best with audio. Repo announced💙 👉Review https://t.ly/Pm-7U 👉Paper arxiv.org/pdf/2604.11804 👉Project correr-zhou.github.io/OmniShow/ 👉Repo github.com/Correr-Zhou/OmniShow	0
17	🔥SOTA 3D Detection in the wild🔥 👉WildDet3D is a novel unified geometry-aware architecture that natively accepts text, point, and box prompts and can incorporate auxiliary depth signals at inference time. New SOTA! Repo, models & #iphone💙 👉Review https://t.ly/8NxBN 👉Paper https://arxiv.org/pdf/2604.08626 👉Project https://allenai.github.io/WildDet3D/ 👉Repo https://github.com/allenai/WildDet3D	0
18	🐞6D Object Pose w/ Deformation🐞 👉DeSOPE by Xidian & #MagicLeap is a novel large-scale dataset for 6DoF deformed objects: 665K pose annotations produced via a semiautomatic pipeline. Repo & Dataset announced💙 👉Review https://t.ly/M5VgX 👉Paper https://arxiv.org/pdf/2604.06720 👉Project https://desope-6d.github.io/ 👉Repo TBA	0
19	🪞1.1M Metric VTON Dataset🪞 👉Google's Fit-Inclusive Try-on: large-scale VTO dataset comprising over 1.13M try-on image triplets accompanied by precise body and garment measurements. Repo & dataset announced💙 👉Review https://t.ly/cs-pt 👉Paper arxiv.org/pdf/2604.08526 👉Project johannakarras.github.io/FIT/ 👉Repo TBA	0
20	Here the preview, tomorrow the full clip from official source :)	0

Переглянути всі дописи