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 17 224 підписників, посідаючи 7 346 місце в категорії Технології та додатки та 2 104 місце у регіоні Малайзія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 17 224 підписників.
За останніми даними від 05 жовтня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 184, а за останні 24 години на 16, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 20.45%. Протягом перших 24 годин після публікації контент зазвичай збирає 7.07% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 3 522 переглядів. Протягом першої доби публікація в середньому набирає 1 218 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 11.
- 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 06 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.
17 224
Підписники
+1624 години
+1917 днів
+18430 днів
Архів дописів
🐇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
🔥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
🔥🔥 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
🔥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
🔥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
🦴3D Foundational Radiology🦴
👉nnFoundation: 3D radiological foundation models designed for transferable representation learning across heterogeneous tasks/datasets. Models released💙
👉Review https://lnkd.in/p/ekv-TSN8
👉Paper https://arxiv.org/pdf/2609.26924
👉Models https://huggingface.co/collections/MIC-DKFZ/nnfoundation
🩻Universal X-ray Segmentation🩻
👉FleXray: universal anatomical segmentation across the entire body in clinical X-rays. Built on a scalable, physics-based generative X-ray data engine. Repo under MIT💙
👉Review https://lnkd.in/p/e9MUk_eq
👉Paper https://arxiv.org/pdf/2609.26756
👉Project https://flexray.csail.mit.edu/
👉Repo https://github.com/VictorButoi/FleXray
🍿PanoSeg3R: SOTA 3D Segmentation🍿
👉PanoSeg3R is a novel feed-forward framework for 3D panoramic semantic segmentation. New SOTA. Code coming💙
👉Review https://lnkd.in/p/eKCKWv3g
👉Paper https://arxiv.org/pdf/2609.22687
👉Project https://harryyoon777.github.io/PanoSeg3R/#
👉Repo TBA
🔥Agentic Image-to-Scene🔥
👉HARMONY by UPenn is a hierarchical chain-of-thought framework that leverages both agentic reasoning and visual geometry foundation. Impressive 3D scenes. Repo TBA💙
👉Review https://lnkd.in/p/ep2hmRSp
👉Paper https://arxiv.org/pdf/2609.26793
👉Data https://huggingface.co/datasets/ShufanSun/harmony
👉Project https://cwchenwang.github.io/harmony/
👉Repo TBA
💦SOTA Splashing Liquids💦
👉SplashSplat reconstructs splashing liquids from real multi-view vide. Impose physical structure only where the observations can constrain it. Impressive results, SOTA. Code TBR under MIT💙
👉Review https://lnkd.in/p/euv4eBja
👉Paper https://arxiv.org/pdf/2609.20818
👉Project niko-creater.github.io/splashsplat-web/
👉Repo https://github.com/Niko-creater/Splashsplat
👋 EventEgoHands++ is out! 👋
👉EventEgoHands++ is a novel framework for event-based 3D hand mesh reconstruction from an egocentric viewpoint. 1M+ samples dataset! Code/Data released💙
👉Review https://lnkd.in/p/eTbPvXbW
👉Paper https://arxiv.org/pdf/2609.17189
👉Repo https://github.com/ryhara/EventEgoHandsV2
👉Project https://ryhara.github.io/EventEgoHandsV2/
🔥 RelateAnything is gold! 🔥
👉RelateAnything is a 53M-parameter relation model that takes an image and a set of regions from any source and returns scored relations over a predicate vocabulary supplied at inference as a list of strings. Impressive results. Repo under Apache 2.0💙
👉Review https://lnkd.in/p/etAcdFM3
👉Paper https://arxiv.org/pdf/2609.12552
👉Repo https://github.com/Maelic/RelateAnything
👉Project https://maelic.github.io/RelateAnythingProject/
🦺Efficient/Scalable Video Pretraining🦺
👉LeVJEPA1 (Yann Lecun) is the first video encoder trained under LeJEPA’s collapse-free objective, and evaluate it under frozen probing against video and image pretraining baselines retrained on identical data, in both epoch-matched and FLOP-matched regimes. Repo under MIT💙
👉Review https://lnkd.in/p/eJQAm3AN
👉Paper https://lnkd.in/eCzzTiNH
👉Project https://levjepa.github.io/
👉Repo https://lnkd.in/etiF5CDj
🔥🔥 Marigold V2 is out 🔥🔥
👉Marigold V2 is out: depth, (impressive) see-through depth, surface normals, albedo, and other dense modalities. SOTA results. Repo under Apache 2.0💙
#AI #deeplearning #AIwithPapers
👉Review https://lnkd.in/p/eKM44yDQ
👉Paper https://arxiv.org/pdf/2609.08084
👉Repo https://github.com/huawei-bayerlab/marigold-v2
👉Project https://huggingface.co/spaces/huawei-bayerlab/marigold-v2-web
🏀McByte++ tracking-by-detection🏀
👉McByte++ is the newer extension of McByte that advances training-free sports MOT toward long-term ID tracking, while simultaneously improving efficiency and runtime performance. Repo under Apache 2.0💙
👉Review https://lnkd.in/p/e4-diVJS
👉Paper https://lnkd.in/e_Vxky-b
👉Repo https://lnkd.in/e8SeCYmk
🔥 #AIwithPapers: we are 17,000+ 🔥
👉 Even though 100+ bots are trying to join the discussion chats every day, there are 17,000 of us! Almost all of us are still humans 🧟
😈 Invite -> https://t.me/AI_DeepLearning
👻Emerging Objs from Motion👻
👉Motion boundaries provide a strong signal for object-level grouping and can be used to derive pseudo-instance supervision. Suitable for: mono-depth, 3D object detection, 3D occupancy, and end-to-end planning. Repo under Apache 2.0💙
👉Review https://lnkd.in/p/eezZrSJE
👉Paper https://arxiv.org/pdf/2609.04348
👉Project https://tj12342.github.io/object-concepts-from-motion/
👉Repo https://github.com/TJ12342/object-concepts-from-motion/tree/main
+++ Mistral raises 3B € +++
👉Discussion: https://lnkd.in/p/eVpF--VW
🪣Weather-Conditioned Depth Anything🪣
👉Weather-Conditioned Depth Anything from Texas A&M is the new SOTA in weather-robust depth estimation. A curated mix of real and synthetic degradation datasets to extract content-independent, degradation-aware weather embeddings. Repo under Apache💙
👉Review https://lnkd.in/p/eW-dsepD
👉Paper https://lnkd.in/er_MvVft
👉Project https://lnkd.in/ehXPs3C7
👉Repo https://lnkd.in/edk7Ts_r
