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 17 261 підписників, посідаючи 7 497 місце в категорії Технології та додатки та 2 130 місце у регіоні Малайзія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 17 261 підписників.
За останніми даними від 22 жовтня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 253, а за останні 24 години на -1, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 18.98%. Протягом перших 24 годин після публікації контент зазвичай збирає 7.07% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 3 275 переглядів. Протягом першої доби публікація в середньому набирає 1 220 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 23.
- 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 23 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.
17 261
Підписники
-124 години
+67 днів
+25330 днів
Архів дописів
📊 SOTA Style Transfer 📊
👉TeleAI unveils TeleStyle, a lightweight yet effective model for image/video stylization. Built upon Qwen-Image-Edit, TeleStyle leverages the base model’s robust capabilities in content preservation & style customization. Code & Model released💙
👉Review https://t.ly/viVR0
👉Paper arxiv.org/pdf/2601.20175
👉Project tele-ai.github.io/TeleStyle/
👉Repo github.com/Tele-AI/TeleStyle
🔥 DeepSeek-OCR 2 is out 🔥
👉DeepSeek-AI announced the new version of its powerful SOTA OCR. A new architectural approach with the potential to achieve genuine 2D reasoning. Codes & weights💙
👉Review https://t.ly/gX4bX
👉Paper https://arxiv.org/pdf/2601.20552
👉Repo github.com/deepseek-ai/DeepSeek-OCR-2
🌻MLLMs Fine Segmentation🌻
👉SimpleSeg: MLLMs with native pixel-level perception. Repo & Model available💙
👉Review https://t.ly/eVguh
👉Paper arxiv.org/pdf/2601.19228
👉Project simpleseg.github.io/
👉Repo github.com/songtianhui/SimpleSeg
🔥🔥Super-Hard Poll folks🔥🔥
👉 This dilemma is driving me crazy
Vote: https://www.linkedin.com/posts/visionarynet_activity-7421974594917588992-YNAG
🦠Generalized-Scale Counting🦠
👉GeCo2 (Ljubljana) is a novel e2e SOTA few-shot method that explicitly addresses the object scale issues. Repo & Demo 💙
👉Review https://t.ly/2_7I8
👉Paper https://arxiv.org/pdf/2511.08048
👉Repo https://github.com/jerpelhan/GECO2
👉Demo huggingface.co/spaces/jerpelhan/GECO2-demo
🔥 BBoxMaskPose v2 is fire 🔥
👉BBoxMaskPose v2 by ČVUT offers SOTA performance in detection, segmentation & 2D pose in crowded scenes. It enables 3D human reconstruction even in scenes with complex interactions. Code, Models & data available💙
👉Review https://t.ly/GkkDl
👉Paper arxiv.org/pdf/2601.15200
👉Project https://lnkd.in/dQ_3hxjC
👉Repo https://lnkd.in/dVqwD3jN
💜MoRo: Human Motion Recovery💜
👉Masked modeling for human motion Recovery under Occlusions. Given a monocular video captured from a static camera, MoRo (by ETHZ & #Meta) robustly reconstructs accurate/physically plausible human motion, even under challenging occlusions. Repo released💙
👉Review https://t.ly/kK_je
👉Paper arxiv.org/pdf/2601.16079
👉Project mikeqzy.github.io/MoRo/
👉Repo github.com/mikeqzy/MoRo
🦧VideoMaMa: Mask-Guided Matting🦧
👉VideoMaMa is novel a diffusion-based model that converts binary segmentation masks into continuous alpha mattes. Repo, Dataset & Demo💙
👉Review https://t.ly/l_0f8
👉Paper arxiv.org/pdf/2601.14255
👉Project cvlab-kaist.github.io/VideoMaMa
👉Repo github.com/cvlab-kaist/VideoMaMa
👉Demo huggingface.co/spaces/SammyLim/VideoMaMa
💊Foundation Medical SAM3 💊
👉Medical SAM3: foundation model for universal prompt-driven medical image segmentation, by fully fine-tuning SAM3 on large-scale, heterogeneous 2D/3D medical imaging datasets with paired segmentation masks-text prompts. Repo & Demo announced💙
👉Review https://t.ly/C6jcy
👉Paper https://arxiv.org/pdf/2601.10880
👉Project chongcongjiang.github.io/MedicalSAM3/#
👉Repo github.com/AIM-Research-Lab/Medical-SAM3
💚 #META 3D Casual Captures 💚
👉#META unveils ShapeR, a novel approach for conditional 3D object shape generation from casually captured sequences. Impressive results. Repo under CC BY-NC 4.0💙
👉Review https://t.ly/j08sJ
👉Paper arxiv.org/pdf/2601.11514
👉Project facebookresearch.github.io/ShapeR/
👉Repo github.com/facebookresearch/ShapeR
👹SOTA Part-level Generator👹
👉A novel a text-to-motion model that learns to compose complex motions through hierarchical conditioning on part-, action- & sequence-level text, enabling fine-grained control over body parts & timing. Code, models & Dataset to be released💙
👉Review https://t.ly/leB_R
👉Paper arxiv.org/pdf/2601.10909
👉Project coral79.github.io/frankenmotion/
👉Repo github.com/Coral79/FrankenMotion-Code
💢3D Human Gen-Seg💢
👉CoMoVi takes an input image with a text description and generates 3D human motion & video sequence synchronously within a single diffusion denoising loop. Repo & Dataset releasing💙
👉Review https://t.ly/khSkm
👉Paper arxiv.org/pdf/2601.10632
👉Project igl-hkust.github.io/CoMoVi/
👉Repo github.com/IGL-HKUST/CoMoVi
👉Data huggingface.co/datasets/AfterJourney/CoMoVi-Dataset
💜Interactive Humanoid Generation💜
👉FlowAct-R1 by ByteDance is a novel framework that enables lifelike, responsive, and high-fidelity humanoid video generation for seamless real-time interaction. No code but impressive results (see video with audio) 💙
👉Review https://t.ly/aQhol
👉Paper arxiv.org/pdf/2601.10103
👉Project grisoon.github.io/FlowAct-R1/
🍿100M Video Action Dataset🍿
👉Action100M by META is a large-scale dataset w/ 1.2M instructional videos (14.6 years of duration), yielding O(100M) temporally localized segments with open-vocabulary action supervision and rich captions. Repo under FAIR NC Research License💙
👉Review https://t.ly/w5KXe
👉Paper https://arxiv.org/pdf/2601.10592
👉Repo https://github.com/facebookresearch/Action100M
🎇 Multi-target SAM3 🎇
👉SAM3-DMS is a novel training-free decoupled strategy that utilizes fine-grained memory selection on individual objects. Robust identity preservation and tracking stability. Repo under SAM License💙
👉Review https://t.ly/jJOAr
👉Paper https://arxiv.org/pdf/2601.09699
👉Repo https://github.com/FudanCVL/SAM3-DMS
💚 Segment Anything w/ Geometry💚
👉3AM (NYCU + #Nvidia) offers cross-view correspondence even under large viewpoint changes, cluttered scenes, and variations in capture conditions, enabling robust object tracking from both videos & casual multi-view images. Repo (coming) & Demo available💙
👉Review https://t.ly/olZwE
👉Paper https://arxiv.org/pdf/2601.08831
👉Project https://jayisaking.github.io/3AM-Page/
👉Repo https://github.com/jayisaking
👉Demo https://huggingface.co/spaces/nycu-cplab/3AM
👉Games Workshop (Warhammer) is banning the use of AI in creative and design processes to protect IP and human creativity. A decision that goes against the current hype of widespread AI adoption.
And what about your organization? I need your help👇
Vote: https://www.linkedin.com/posts/visionarynet_ai-activity-7417106327019196417-TpGL
In 2026, who should we keep an eye on?
Vote: https://www.linkedin.com/posts/visionarynet_ai-deeplearning-aiwithpapers-activity-7416886610795077632-qQeP/
🫛Active Object Reconstruction🫛
👉ObjSplat (Beijing) autonomously plans viewpoints and progressively reconstructs an unknown object into a Hi-Fi Gaussian model and water-tight mesh, enabling direct use in physics simulations. Repo announced💙
👉Review https://t.ly/au6HE
👉Paper arxiv.org/pdf/2601.06997
👉Project li-yuetao.github.io/ObjSplat-page/
👉Repo https://github.com/Li-Yuetao/ObjSplat
