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 214 Технології та додатки7 669...

📈 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 17 134 підписників, посідаючи 7 669 місце в категорії Технології та додатки та 2 214 місце у регіоні Малайзія.

📊 Показники аудиторії та динаміка

З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 17 134 підписників.

За останніми даними від 27 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -177, а за останні 24 години на -6, загальне охоплення залишається високим.

Статус верифікації: Не верифікований
Рівень залученості (ER): Середній показник залученості аудиторії становить 12.58%. Протягом перших 24 годин після публікації контент зазвичай збирає 6.87% реакцій від загальної кількості підписників.
Охоплення публікацій: В середньому кожен допис отримує 2 155 переглядів. Протягом першої доби публікація в середньому набирає 1 177 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 28 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.

17 134

Підписники

-624 години

-427 днів

-17730 день

2 155

Перегляди допису

~ 1 17724 години

~ 1 35348 годин

12.58%

Коефіцієнт залучення

Немає даних

Дописів на день

Ads index

beta

Архів дописів

17 134

🎯Generative Refocusing is out🎯 👉Generative Refocusing is a two-step process that uses DeblurNet to recover all-in-focus images from various inputs and BokehNet for creating controllable bokeh (in semi-supervised mode). Repo under Apache2.0💙 👉Review https://t.ly/8t7PA 👉Paper arxiv.org/pdf/2512.16923 👉Project generative-refocusing.github.io/ 👉Repo github.com/rayray9999/Genfocus 👉Demo huggingface.co/spaces/nycu-cplab/Genfocus-Demo

17 134

🏜️ Depth Any Panoramas 🏜️ 👉DAP is the new SOTA foundation model for panoramic depth estimation with a large scale dataset. Data & Repo under MIT💙 👉Review https://t.ly/LaUmd 👉Paper arxiv.org/pdf/2512.16913 👉Project https://lnkd.in/dvqNV9jx 👉Repo https://lnkd.in/dmNzhb-7 👉Demo https://lnkd.in/dDwjMF3u

17 134

🫠 FlexAvatar: 3D Heads Avatars 🫠 👉TUM introduces FlexAvatar, a novel method for creating HQ and complete 3D head avatars from a single image. Code announced💙 👉Review https://t.ly/Rkdtd 👉Paper arxiv.org/pdf/2512.15599 👉Project tobias-kirschstein.github.io/flexavatar/ 👉Repo TBA

17 134

👀DriverGaze360: Driver SOTA👀 👉DriverGaze360 is a large-scale 360◦ field of view driver attention dataset, containing ∼1M gaze-labeled frames. Code & Dataset announced💙 👉Review https://t.ly/ZcoUw 👉Paper arxiv.org/pdf/2512.14266 👉Project av.dfki.de/drivergaze360/ 👉Repo github.com/dfki-av/drivergaze360 👉Data av.dfki.de/drivergaze360/dataset

17 134

💷 SOTA Zero-Shot Stereo Matching💷 👉Fast-FoundationStereo by #Nvidia is a novel family of architectures that achieve, for the first time, strong zero-shot generalization at real-time frame rate via divide-&-conquer acceleration. Code & Data announced💙 👉Review https://t.ly/XD6pO 👉Paper https://lnkd.in/d9_YKW2A 👉Project https://lnkd.in/dKDxm7EX 👉Repo https://lnkd.in/dR4-PdsW

17 134

💚 MatAnyone 2 is out! 💚 👉MatAnyone 2 is the most advanced human video matting framework that preserves fine details by avoiding segmentation-like boundaries, while also shows enhanced robustness under challenging real-world conditions. Repo & Dataset announced💙 👉Review https://www.linkedin.com/posts/visionarynet_artificialintelligence-ai-deeplearning-activity-7406244283055525888-8Dl_ 👉Paper arxiv.org/pdf/2512.11782 👉Project pq-yang.github.io/projects/MatAnyone2 👉Repo github.com/pq-yang/MatAnyone2

17 134

🫎 MoCapAnything is out 🫎 👉MoCapAnything is novel a reference-guided, factorized framework that first predicts 3D joint trajectories and then recovers asset-specific rotations via constraint-aware IK fitting. No code announced 🥲 👉Review https://t.ly/_Tw6t 👉Paper arxiv.org/pdf/2512.10881 👉Project animotionlab.github.io/MoCapAnything

17 134

🧱 Pixel Art Volumetric Rendering 🧱 👉Voxify3D is a novel differentiable two-stage framework bridging 3D mesh optimization with 2D pixel art supervision. Repo announced💙 👉Review https://t.ly/qPyNl 👉Paper https://lnkd.in/du5ikJGN 👉Project https://lnkd.in/dpiAjj5m 👉Repo TBA

17 134

🎷Layered PSD Diffusion🎷 👉OmniPSD produces layered PSD files with transparent alpha channels, separating text, foreground elements, and background into clean RGBA layers that can be directly edited in tools. Online Demo💙 👉Review https://t.ly/YNRAC 👉Paper arxiv.org/pdf/2512.09247 👉Project showlab.github.io/OmniPSD/ 👉Demo https://www.lovart.ai/it

17 134

🐘TTSC for 3D Generative🐘 👉SpaceControl is the new SOTA training-free test-time method for explicit spatial control of 3D generation. Repo announced💙 👉Review https://t.ly/1zrah 👉Paper https://lnkd.in/dEWh3vep 👉Project https://lnkd.in/dScftUmm 👉Repo TBA

17 134

✌️SOTA Generative SLP✌️ 👉Stable Signer is a new sign language generative model. It redefines the SLP task as a hierarchical generation end-to-end task that only includes text understanding (Prompt2Gloss, Text2Gloss) and Pose2Vid. Repo with data 💙 👉Review https://t.ly/yKZhn 👉Paper arxiv.org/pdf/2512.04048 👉Project stablesigner.github.io/ 👉Data github.com/SignLLM/Prompt2Sign/tree/main/tools-new-2025

17 134

🦄 Native Unified Multimodal 🦄 👉META unveils a novel UMM that builds a unified continuous visual representation by cascading a VAE encoder with a representation encoder. This unified representation space allows E2E processing of images/videos for both understanding/generation. Code under legal review💙 👉Review https://t.ly/7wmKP 👉Paper https://lnkd.in/djT4WGEU 👉Project https://tuna-ai.org/ 👉Repo github.com/wren93/tuna

17 134

🥭3D Point Motion Editing🥭 👉Edit-by-Track enables precise video motion editing via 3D point tracks. By specifying desired 3D trajectories, users can seamlessly control joint camera and object motion, remove objects, and transfer motion between videos. No code announced but it's a relevant paper💙 👉Review https://t.ly/lqzHY 👉Paper https://arxiv.org/pdf/2512.02015 👉Project https://edit-by-track.github.io/

17 134

🌵Instance-Level Video Generation🌵 👉InstanceV is the first video generation framework to be designed specifically for instance-level control at the architectural level. Code & Data announced💙 👉Review https://t.ly/y_TBT 👉Paper arxiv.org/pdf/2511.23146 👉Project aliothchen.github.io/projects/InstanceV/ 👉Repo TBA

17 134

🕶️ Seeing without Pixels 🕶️ 👉Is it possible to perceive a video’s content without seeing its pixels, just from the camera trajectory? Deepmind (+ UTexas) is the first to systematically investigate this seemingly implausible question💙 👉Review https://t.ly/Ymd1c 👉Paper arxiv.org/pdf/2511.21681 👉Project sites.google.com/view/seeing-without-pixels

17 134

🕶️ Seeing without Pixels 🕶️ 👉Is it possible to perceive a video’s content without seeing its pixels, just from the camera trajectory? #Google Deepmind (+ UTexas) is the first to systematically investigate this seemingly implausible question💙 𝐇𝐢𝐠𝐡𝐥𝐢𝐠𝐡𝐭𝐬: ✅CamFormer: pre-trained dedicated trajectory encoder ✅Proposing a novel contextualized trajectory encoding ✅Scenarios: egocentric & exocentric (third-person) ✅Outperforming "heavy" vision models in key scenarios #artificialintelligence #AI #deeplearning #AIwithPapers #LLM 👉Discussion https://lnkd.in/dMgakzWm 👉Paper https://arxiv.org/pdf/2511.21681 👉Project https://sites.google.com/view/seeing-without-pixels

17 134

🔥 Smell Like Vision Spirit 🔥 👉New York Smells is a novel large-scale dataset of paired vision and olfaction captured in-the-wild, enabling the new task of cross-modal learning between smell and sight. With the lights out, it's less dangerous. Dataset available💙 👉Review https://t.ly/Ycn_B 👉Paper arxiv.org/pdf/2511.20544 👉Project smell.cs.columbia.edu/

17 134

🍓MotionV2V: Editing Motion in Video🍓 👉 Google unveils motion edits, a new approach for editing videos by controlling the change in motion from the original to the edited video using diffusion models. Impressive results. Repo released soon💙 👉Review https://t.ly/s0sIT 👉Paper https://arxiv.org/pdf/2511.20640 👉Project https://ryanndagreat.github.io/MotionV2V/ 👉Repo https://github.com/RyannDaGreat/MotionV2V

17 134

🌩️ Cloud4D in time 🌩️ 👉Cloud4D: physically-realistic 3D cloud fields using ground-based cameras at a 25 m spatial resolution and 5 s temporal resolution. Repo coming, Data released💙 👉Review https://t.ly/w7Zly 👉Paper arxiv.org/pdf/2511.19431 👉Project cloud4d.jacob-lin.com/ 👉Repo TBD 👉Data https://drive.google.com/drive/folders/1QU_0kIUXIVt8h3uqygBeaF3Gvr_L5SdX?usp=drive_link

17 134

🧪EfficientSAM3 is out 🧪 👉Bristol announces EfficientSAM3, a family of efficient models built on Progressive Hierarchical Distillation (PHD) that transfers capability from SAM3 to lightweight students. Code coming (in sync with SAM3 release)💙 👉Review https://t.ly/bfXP2 👉Paper https://arxiv.org/pdf/2511.15833 👉Project https://simonzeng7108.github.io/efficientsam3/ 👉Repo https://github.com/SimonZeng7108/efficientsam3