Вже доступно! Дослідження Telegram за 2025 — головні інсайти року 
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 17 145 підписників, посідаючи 7 702 місце в категорії Технології та додатки та 2 235 місце у регіоні Малайзія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 17 145 підписників.
За останніми даними від 24 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -197, а за останні 24 години на -7, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 25.73%. Протягом перших 24 годин після публікації контент зазвичай збирає 6.87% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 4 411 переглядів. Протягом першої доби публікація в середньому набирає 1 177 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 26.
- 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 25 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.
17 145
Підписники
-724 години
-427 днів
-19730 день
Архів дописів
🔥New SOTA in Panoptic Segmentation🔥
👉#Google (with Hinton🤯) unveils Pix2Seq-D: novel generalist framework for panoptic segmentation
😎Review https://bit.ly/3DmpbGM
😎Paper arxiv.org/pdf/2210.06366.pdf
🦙LaMAR: Localization/Mapping for #AR🦙
👉A new benchmark for #AR in large and unconstrained scenes
😎Review https://bit.ly/3DjlnWU
😎Paper lamar.ethz.ch/files/LaMAR.pdf
😎Project https://lamar.ethz.ch/
😎Code github.com/microsoft/lamar-benchmark
🪂 Parallel NeRF for 6-DoF pose 🪂
👉#Nvidia unveils a parallel NeRF for 6-DoF target pose estimation
😎Review https://bit.ly/3guWWwA
😎Paper arxiv.org/pdf/2210.10108.pdf
😎Project https://pnerfp.github.io/
🔥Meta Omni3D: code is out!🔥
👉Source Code, models, and data just released by #META !
😎Review https://bit.ly/3MIWxD9
😎Paper arxiv.org/pdf/2207.10660.pdf
😎Project garrickbrazil.com/omni3d/
😎Code github.com/facebookresearch/omni3d
🔥 Dressing Avatars by #META 🔥
👉Novel deep photorealistic appearance method for physically-simulated clothing in #metaverse
😎Review https://bit.ly/3yRBW9Y
😎Paper arxiv.org/pdf/2206.15470.pdf
⚽Markerless Body-Object Interaction⚽
👉Novel whole-bodies/objects interaction method from multi-view RGB-D data
😎Review https://bit.ly/3yO56GY
😎Data intercap.is.tue.mpg.de/login.php
😎Project https://intercap.is.tue.mpg.de
😎Code github.com/YinghaoHuang91
😎Paper intercap.is.tue.mpg.de/media/upload/main.pdf
⛽ Stable Diffusion in #Blender ⛽
👉Render with SuperPowers: novel scene render via text prompt
😎Review https://bit.ly/3s1mEeN
😎Code github.com/benrugg/AI-Render
🪲#6D estimation fully in the wild🪲
👉First ever self-supervised 6D pose estimation training in the wild
😎Review https://bit.ly/3yHdHuS
😎Paper arxiv.org/pdf/2210.07199.pdf
😎Project kywind.github.io/self-pose
😎Code (soon)
🧮 Novel DM for 3D Shapes by #Nvidia 🧮
👉Hierarchical Latent Point Diffusion Model (LION) for 3D shape generation
😎Review https://bit.ly/3yDhZ6I
😎Paper arxiv.org/pdf/2210.06978.pdf
😎Project https://nv-tlabs.github.io/LION/
😎Code(soon) github.com/nv-tlabs/LION
🦑 Instant Map-free Relocalization 🦑
👉#Niantic unveils a novel instant, metric scaled re-localization with one single photo
😎Review https://bit.ly/3S1Gdyh
😎Paper arxiv.org/pdf/2210.05494.pdf
😎Project research.nianticlabs.com/mapfree-reloc-benchmark
😎Data research.nianticlabs.com/mapfree-reloc-benchmark/dataset
🔥 Matterport 3D Semantics Dataset 🔥
👉#Meta opens HM3DSEM, the largest #3D real-world dataset with dense semantic
😎Review https://bit.ly/3yF4W4G
😎Paper arxiv.org/pdf/2210.05633.pdf
😎Project aihabitat.org/datasets/hm3d-semantics
😎Data github.com/matterport/habitat-matterport-3dresearch
🥬 "Perception Test" by #DeepMind 🥬
👉Huge dataset with obj & point tracks, temporal sounds, multiple & grounded vQA
😎Review https://bit.ly/3Vqh96Q
😎Dataset github.com/deepmind/perception_test
😎Project www.deepmind.com/blog/measuring-perception-in-ai-models
🏅GENIE by #Nvidia -> Faster Generation🏅
👉Higher-Order Denoising Diffusion Solvers for faster and better synthesis
😎Review https://bit.ly/3CRjtwr
😎Project nv-tlabs.github.io/GENIE/
😎Paper arxiv.org/pdf/2210.05475.pdf
😎Code github.com/nv-tlabs/GENIE
🍏 f-DM: Diffusion Models by Apple 🍏
👉Spectacular work by #Apple on DMs: HQ generation with better efficiency and semantic
😎Review https://bit.ly/3Tils2u
😎Project https://jiataogu.me/fdm/
😎Paper arxiv.org/pdf/2210.04955.pdf
🥏 EVA3D: new SOTA in #3D humans 🥏
👉EVA3D: new SOTA for unconditional NeRF-human generation from 2D only
😎Review https://bit.ly/3Th9qX7
😎Code github.com/hongfz16/EVA3D
😎Paper arxiv.org/pdf/2210.04888.pdf
😎Project hongfz16.github.io/projects/EVA3D.html
🔥SIMPLI: ligh novel-view synthesis🔥
👉Lightweight novel-view synthesis by #Samsung for arbitrary forward-facing scenes
😎Review https://bit.ly/3CivSYZ
😎Project samsunglabs.github.io/MLI
😎Code github.com/SamsungLabs/MLI
😎Paper samsunglabs.github.io/MLI/paper/paper.pdf
🍋 Long Video via Transformers 🍋
👉TECO is a vector-quantized latent dynamics prediction for long video
😎Review https://bit.ly/3Ch0tWD
😎Project wilson1yan.github.io/teco/
😎Paper arxiv.org/pdf/2210.02396.pdf
😎Code github.com/wilson1yan/teco
🔥 #AIwithPapers: we are 4,500+! 🔥
💙💛 Someone put the smiling 💩 under a few recent posts. But I still love you! 💙💛
😈 Invite your friends -> https://t.me/AI_DeepLearning
⚛️SOTA ALERT! Particles Tracking ⚛️
👉The new SOTA in video particles tracking. "Old school" taste, with neural flavor 🧡
😎Review https://bit.ly/3CaU5Ai
😎Project particle-video-revisited.github.io/
😎Paper arxiv.org/pdf/2204.04153.pdf
😎Code github.com/aharley/pips
🔥 Human MDM: source code is out! 🔥
👉A classifier-free diffusion-based generative model for human motion domain
😎Review https://bit.ly/3rFhR2G
😎Project guytevet.github.io/mdm-page
😎Paper arxiv.org/pdf/2209.14916.pdf
😎Code github.com/GuyTevet/motion-diffusion-model
