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 17 262 підписників, посідаючи 7 491 місце в категорії Технології та додатки та 2 128 місце у регіоні Малайзія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 17 262 підписників.
За останніми даними від 23 жовтня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 255, а за останні 24 години на 2, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 18.93%. Протягом перших 24 годин після публікації контент зазвичай збирає 7.17% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 3 267 переглядів. Протягом першої доби публікація в середньому набирає 1 237 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 20.
- 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 24 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.
17 262
Підписники
+224 години
+67 днів
+25530 днів
Архів дописів
Could you please help me with this poll?
https://t.ly/3c3Aa
Thanks,
A.
🫛TMR: Few-Shot Template-matching🫛
👉POSTECH unveils TMR, a novel and simple template-matching detector for few-shot pattern detection, achieving strong (and SOTA) results on diverse datasets. A new dataset (RPINE) released, repo soon💙
👉Review https://t.ly/WWAcL
👉Paper https://lnkd.in/dJbSu5vk
👉Project https://lnkd.in/dwcDnHHQ
👉Repo https://lnkd.in/dp7aw8Cs
🪴 Pixie: Physics from Pixels 🪴
👉UPenn + MIT unveil Pixie: training a neural-net that maps pretrained visual features (i.e., CLIP) to dense material fields of physical properties in a single forward pass, enabling real‑time physics simulations. Repo & Dataset under MIT license💙
👉Review https://t.ly/1W0n5
👉Paper https://lnkd.in/dsHAHDqM
👉Project https://lnkd.in/dwrHRbRc
👉Repo https://lnkd.in/dy7bvjsK
❤️🔥PHD: Personalized 3D Humans❤️🔥
👉ETH & #Meta unveil PHD, a novel approach for personalized 3D human mesh recovery (HMR) and body fitting that leverages user-specific shape information to improve pose estimation accuracy. Code & models to be released💙
👉Review https://t.ly/IeRhH
👉Paper https://arxiv.org/pdf/2508.21257
👉Project https://phd-pose.github.io/
👉Repo TBA
🌈 Multi-View 3D Tracking 🌈
👉MVTracker is the first data-driven multi-view 3D point tracker for tracking arbitrary 3D points across multiple cameras. Repo available💙
👉Review https://t.ly/rISMR
👉Paper arxiv.org/pdf/2508.21060
👉Project https://lnkd.in/drHtAmRC
👉Repo https://lnkd.in/d4k8mg3B
🉐Dress&Dance: Dress-up & Dance🉐
👉Dress&Dance: diffusion framework that generates HQ 5-second-long 24 FPS VTON videos at 1152×720 of a user wearing desired garments while moving in accordance with a given reference video. Impressive results but no repo announced🥺
👉Review https://t.ly/7NeTL
👉Paper https://arxiv.org/pdf/2508.21070
👉Project https://immortalco.github.io/DressAndDance/
👉Repo 🥺
🌹ROSE: Remove Objects & Effects🌹
👉A novel framework that systematically fix the object’s effects on environment: shadows, reflections, light, translucency and mirror. Model, Demo & Dataset available via Hugging Face💙
👉Review https://t.ly/_KFM0
👉Paper https://lnkd.in/dNcTXQAE
👉Project https://lnkd.in/dFGmYT5h
👉Model https://lnkd.in/dhTT-VkN
👉Demo https://lnkd.in/dimgXZT6
👉Data https://lnkd.in/da7Jv667
⚽SoccerNet 2025 results are out!⚽
👉SoccerNet 2025 Challenges is the open benchmarking dedicated to advancing computer vision research in football video understanding. Repo for training & Dataset💙
👉Review https://t.ly/MfHKg
👉Paper https://arxiv.org/pdf/2508.19182
👉Project https://www.soccer-net.org/
👉Repo https://github.com/SoccerNet
🥶 OmniHuman-1.5 🥶
👉#ByteDance proposes a novel framework designed to generate character animations that are not only physically plausible but also semantically coherent and expressive. Coherency with speech's rhythm, prosody and semantic content. Impressive results but no code 🥺
👉Review https://t.ly/CnRmX
👉Paper arxiv.org/pdf/2508.19209
👉Project omnihuman-lab.github.io/v1_5/
👉Repo 🥺
🏎️ VROOM: F1 Reconstruction🏎️
👉Berkeley unveils VROOM, the first attempt for reconstructing 3D models of #Formula1 circuits using only onboard camera footage from racecars. Extreme challenges due to noise & speed. Repo released💙
👉Review https://t.ly/uuHdT
👉Paper arxiv.org/pdf/2508.17172
👉Repo github.com/yajatyadav/vroom
👉Project varun-bharadwaj.github.io/vroom/
🧤Diffusive Hand from Signs🧤
👉LIGM + #NVIDIA unveil a novel generative model of 3D hand motions from Sign Language Data. Motion characteristics such as handshapes, locations, finger, hand & arm movements. Code, Models & Data to be released 💙
👉Review https://t.ly/HonX_
👉Paper https://arxiv.org/pdf/2508.15902
👉Project https://imagine.enpc.fr/~leore.bensabath/HandMDM/
👉Data drive.google.com/drive/u/1/folders/1BLsu2hAqhAJ_gnGb9TNXW7MLiSuSEzEj
👉Repo TBA
🫔ATLAS: SOTA Human Model🫔
👉#META presents ATLAS, a novel high-fidelity body model learned from 600k high-res. scans captured using 240 synchronized cams. Code announced, to be released💙
👉Review https://t.ly/0hHud
👉Paper https://arxiv.org/pdf/2508.15767
👉Project https://jindapark.github.io/projects/atlas/
👉Repo TBA
🔬Intern-S1: SOTA MM-MoE 🔬
👉InternS1: a MM-MoE with 28B activated / 241b total parameters, continually pre-trained on 5T tokens, including 2.5T+ tokens from scientific domains. New SOTA for professional tasks, such as molecular synthesis planning, reaction condition prediction, etc. Models available under Apache 2.0💙
👉Review https://t.ly/3l5UW
👉Paper arxiv.org/pdf/2508.15763
👉Repo github.com/InternLM/Intern-S1
🤗HF huggingface.co/internlm/Intern-S1
🧉 YOPO: SOTA 9-DoF Pose🧉
👉Pit In Co. unveils YOPO, a novel single-stage, query-based framework that treats category-level 9-DoF estimation as a natural extension of 2D detection. A practical solution for mono-RGB, category-level, multi-obj pose estimation. Code & models announced (coming)💙
👉Review https://t.ly/cf_Cl
👉Paper https://arxiv.org/pdf/2508.14965
👉Project mikigom.github.io/YOPO-project-page/
👉Repo TBA
📡 ROVR Open Dataset is out 📡
👉A novel large-scale open 3D dataset for autonomous driving, robotics, and 4D perception tasks. To be released for academic (for free) & commercial💙
👉Review https://t.ly/iDcvg
👉Paper https://arxiv.org/pdf/2508.13977
👉Project https://xiandaguo.net/ROVR-Open-Dataset
👠 OmniTry: Virtual Try-On Anything 👠
👉OmniTry: unified framework that extends VTON beyond garment to encompass any wearable objects (jewelries, accessories, etc.) in mask-free setting. Weights, HF demo & benchmark released💙
👉Review https://t.ly/wMBGQ
👉Paper https://lnkd.in/dQe9MchS
👉Project https://omnitry.github.io/
👉Repo https://lnkd.in/d3QwAXY2
🤗Demo https://lnkd.in/duUcZpVA
🌈DAViD: Synthetic Depth-Normal-Segmentation🌈
👉#Microsoft unveils DAViD: 100% synthetic dataset/models for human Depth, Normals & Segmentation. Impressive results at a fraction of the cost of the foundation models! Compliancy with privacy, copyright, licensing, and diversity requirements. Dataset available, models & runtime under MIT💙
👉Review https://t.ly/-SlO_
👉Paper https://lnkd.in/eCmMXpTg
👉Project https://lnkd.in/eurCSWkm
👉Repo https://lnkd.in/e7PWFgP2
🔀4DNeX: Feed-Forward 4D video🔀
👉4DNeX is the first feed-forward framework for generating 4D scene representations from a single image by fine-tuning diffusion model. HQ dynamic pt-clouds & downstream tasks such as novel-view video synthesis with strong generalizability. Code/Data announced 💙
👉Review https://t.ly/SpkD-
👉Paper arxiv.org/pdf/2508.13154
👉Project https://4dnex.github.io/
👉Repo github.com/3DTopia/4DNeX
👉Data https://lnkd.in/dh4_3Ghf
👉Demo https://lnkd.in/dztyzwgg
🏓TOTNet: Occlusion-aware Tracking🏓
👉TOTNet is a novel Temporal Occlusion Tracking Network that leverages 3D-convs, visibility-weighted loss, & occlusion augmentation to improve performance under occlusions. Code & Data available under MIT💙
👉Review https://t.ly/Q0jAf
👉Paper https://lnkd.in/dUYsa-GC
👉Repo https://lnkd.in/d3QGUHYb
🤖 Impact of SuperHuman AI 🤖
👉The NoProfit AI Futures Project unveils a (dystopic) scenario about what super-AI might look like. Forecast from today to the bio-engineered human-like creatures. A fascinating speculation of the future with the "slow-down" and "race" scenarios. Enjoy 💙
👉Review https://t.ly/EgmfJ
👉Project https://ai-2027.com/
