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 240 Технології та додатки7 726...

📈 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 17 154 підписників, посідаючи 7 726 місце в категорії Технології та додатки та 2 240 місце у регіоні Малайзія.

📊 Показники аудиторії та динаміка

З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 17 154 підписників.

За останніми даними від 21 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -166, а за останні 24 години на -6, загальне охоплення залишається високим.

Статус верифікації: Не верифікований
Рівень залученості (ER): Середній показник залученості аудиторії становить 23.63%. Протягом перших 24 годин після публікації контент зазвичай збирає 6.86% реакцій від загальної кількості підписників.
Охоплення публікацій: В середньому кожен допис отримує 4 057 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 22 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.

17 154

Підписники

-624 години

-277 днів

-16630 день

4 057

Перегляди допису

~ 1 17724 години

~ 1 35348 годин

23.63%

Коефіцієнт залучення

Немає даних

Дописів на день

Ads index

beta

Архів дописів

17 154

🔥 940+ FPS Multi-Person Pose Estimation 🔥 👉RTMW (Real-Time Multi-person Whole-body pose estimation models) is a series of high-performance models for 2D/3D whole-body pose estimation. Impressive 940+ FPS on #GPU. Code & models available💙 👉Review https://t.ly/XkBmg 👉Paper arxiv.org/pdf/2407.08634 👉Repo github.com/open-mmlab/mmpose/tree/main/projects/rtmpose

17 154

🍾TAPVid-3D: benchmark for TAP-3D🍾 👉#Deepmind (+College London & Oxford) introduces TAPVid-3D, a new benchmark for evaluating long-range Tracking Any Point in 3D: 4,000+ real-world videos, composed of three different data sources spanning a variety of object types, motion patterns, and indoor/outdoor environments. Data & Code available, Apache 2.0💙 👉Review https://t.ly/SsptD 👉Paper https://arxiv.org/pdf/2407.05921 👉Project https://tapvid3d.github.io/ 👉Code github.com/google-deepmind/tapnet/tree/main/tapnet/tapvid3d

17 154

🐸 Tracking Everything via Decomposition 🐸 👉Hefei unveils a novel decoupled representation that divides static scenes and dynamic objects in terms of motion and appearance. A more robust tracking through occlusions and deformations. Source Code announced under MIT License💙 👉Review https://t.ly/OsFTO 👉Paper https://arxiv.org/pdf/2407.06531 👉Repo github.com/qianduoduolr/DecoMotion

17 154

🤖 CODERS: Stereo Detection, 6D & Shape 🤖 👉CODERS: one-stage approach for Category-level Object Detection, pose Estimation and Reconstruction from Stereo images. Source Code announced💙 👉Review https://t.ly/Xpizz 👉Paper https://lnkd.in/dr5ZxC46 👉Repo (TBA)

17 154

🔥 Segment Any 4D Gaussians 🔥 👉SA4G is a novel framework to segment anything in #4D Gaussians world. HQ segmentation within seconds in 4D Gaussians and remove, recolor, compose, and render HQ anything masks. Source Code available within August 2024💙 👉Review https://t.ly/uw3FS 👉Paper https://arxiv.org/pdf/2407.04504 👉Project https://jsxzs.github.io/sa4d/ 👉Repo https://github.com/hustvl/SA4D

17 154

🪴 CAVIS: SOTA Context-Aware Segmentation🪴 👉DGIST unveils the Context-Aware Video Instance Segmentation (CAVIS), a novel framework designed to enhance instance association by integrating contextual information adjacent to each object. It's the new SOTA in several benchmarks. Source Code announced💙 👉Review https://t.ly/G5obN 👉Paper arxiv.org/pdf/2407.03010 👉Repo github.com/Seung-Hun-Lee/CAVIS 👉Project seung-hun-lee.github.io/projects/CAVIS

17 154

🪩 MimicMotion: HQ Motion Generation 🪩 👉#Tencent opens a novel controllable video generation framework, dubbed MimicMotion, which can generate HQ videos of arbitrary length mimicking specific motion guidance. Source Code available💙 👉Review https://t.ly/XFoin 👉Paper arxiv.org/pdf/2406.19680 👉Project https://lnkd.in/eW-CMg_C 👉Code https://lnkd.in/eZ6SC2bc

17 154

🪅🪅Anomaly Object-Detection🪅🪅 👉The University of Edinburgh introduces a novel anomaly detection problem that focuses on identifying ‘odd-looking’ objects relative to the other instances within a multiple-views scene. Code announced💙 👉Review https://t.ly/3dGHp 👉Paper arxiv.org/pdf/2406.20099 👉Repo https://lnkd.in/d9x6FpUq

17 154

🔥 Depth Anything v2 is out! 🔥 👉 Depth Anything V2: outperforming V1 in robustness and fine-grained details. Trained from 595K synthetic labeled images and 62M+ real unlabeled images, the new SOTA in monocular depth estimation (MDE). Code & Models available💙 👉Review https://t.ly/QX9Nu 👉Paper arxiv.org/pdf/2406.09414 👉Project depth-anything-v2.github.io/ 👉Repo github.com/DepthAnything/Depth-Anything-V2 👉Data huggingface.co/datasets/depth-anything/DA-2K

17 154

🌾 LLaNA: a NeRF-LLM assistant 🌾 👉UniBO unveils LLaNA; novel Multimodal-LLM that understands and reasons on an input NeRF. It processes directly the NeRF weights and performs tasks such as captioning, Q&A, & zero-shot classification of NeRFs. 👉Review https://t.ly/JAfhV 👉Paper arxiv.org/pdf/2406.11840 👉Project andreamaduzzi.github.io/llana/ 👉Code & Data coming

17 154

🌮 MeshAnything with Transformers 🌮 👉MeshAnything converts any 3D representation into Artist-Created Meshes (AMs), i.e., meshes created by human artists. It can be combined with various 3D asset production pipelines, such as 3D reconstruction and generation, to transform their results into AMs that can be seamlessly applied in the 3D industry. Source Code available💙 #artificialintelligence #machinelearning #ml #AI #deeplearning #computervision #AIwithPapers #metaverse 👉Review https://t.ly/HvkD4 👉Paper arxiv.org/pdf/2406.10163 👉Code github.com/buaacyw/MeshAnythinghttps://t.ly/HvkD4

17 154

🍦Geometry Guided Depth Estimation🍦 👉A novel system for depth estimation and #3D reconstruction which can take as input, where available, previously-made estimates of the scene’s geometry 👉Review https://lnkd.in/dMgakzWm 👉Paper https://arxiv.org/pdf/2406.18387 👉Repo (empty) https://github.com/nianticlabs/DoubleTake

17 154

🍦Geometry Guided Depth Estimation🍦 👉#Niantic (+ULC) unveils a novel system for depth estimation and #3D reconstruction which can take as input, where available, previously-made estimates of the scene’s geometry. Source Code announced💙 👉Review https://lnkd.in/dMgakzWm 👉Paper https://arxiv.org/pdf/2406.18387 👉Repo (empty) https://github.com/nianticlabs/DoubleTake

17 154

🐻StableNormal: Stable/Sharp Normal🐻 👉Alibaba unveils StableNormal, a novel method which tailors the diffusion priors for monocular normal estimation. Hugging Face demo is available💙 👉Review https://t.ly/FPJlG 👉Paper https://arxiv.org/pdf/2406.16864 👉Demo https://huggingface.co/Stable-X

17 154

🧬 Event-driven SuperResolution 🧬 👉USTC unveils EvTexture, the first VSR method that utilizes event signals for texture enhancement. It leverages high-frequency details of events to better recover texture regions in VSR. Source Code available💙 👉Review https://t.ly/zlb4c 👉Paper arxiv.org/pdf/2406.13457 👉Code github.com/DachunKai/EvTexture

17 154

🤓 Glasses-Removal from Videos🤓 👉Lightricks unveils a novel method able to receive an input video of a person wearing glasses, and consistently removes the glasses, while preserving the ID. It works even when there are reflections, heavy makeup, and eye blinks. Code announced, not yet released💙 👉Review https://t.ly/Hgs2d 👉Paper arxiv.org/pdf/2406.14510 👉Project https://v-lasik.github.io/ 👉Code github.com/v-lasik/v-lasik-code

17 154

🌱 TokenHMR : new 3D human pose SOTA 🌱 👉TokenHMR is the new SOTA HPS method mixing 2D keypoints and 3D pose accuracy, thus leveraging Internet data without known camera parameters. It's the new SOTA by a large margin. 👉Review https://t.ly/K9_8n 👉Paper arxiv.org/pdf/2404.16752 👉Project tokenhmr.is.tue.mpg.de/ 👉Code github.com/saidwivedi/TokenHMR

17 154

💦 Self-driving in wet conditions 💦 👉BMW SemanticSpray: novel dataset contains scenes in wet surface conditions captured by camera, LiDAR and radar. Camera: 2D Boxes | LiDAR: 3D Boxes, Semantic Labels | Radar: Semantic Labels. 👉Review https://t.ly/8S93j 👉Paper https://lnkd.in/dnN5MCZC 👉Project https://lnkd.in/dkUaxyEF 👉Data https://lnkd.in/ddhkyXv8

17 154

🧤HOT3D Hand/Object Tracking🧤 👉#Meta opens a novel egocentric dataset for 3D hand & object tracking. A new benchmark for vision-based understanding of 3D hand-object interactions. Dataset available 💙 👉Review https://t.ly/cD76F 👉Paper https://lnkd.in/e6_7UNny 👉Data https://lnkd.in/e6P-sQFK

17 154

🌵 RobustSAM for Degraded Images 🌵 👉RobustSAM, the evolution of SAM for degraded images; enhancing the SAM’s performance on low-quality images while preserving prompt-ability & zeroshot generalization. Dataset & Source Code released💙 👉Review https://t.ly/mnyyG 👉Paper arxiv.org/pdf/2406.09627 👉Project robustsam.github.io 👉Code github.com/robustsam/RobustSAM