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 7 543 місце в категорії Технології та додатки та 2 144 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 26 жовтня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 250, а за останні 24 години на 1, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 17.43%. Протягом перших 24 годин після публікації контент зазвичай збирає 7.04% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 3 008 переглядів. Протягом першої доби публікація в середньому набирає 1 216 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 27 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
+97 днів
+25030 днів
Архів дописів
🌲 MagicEdit: Magic Video Editing 🌲
👉MagicEdit: explicit disentangling the learning of content, structure & motion for Hi-Fi and temporally coherent video editing.
😎Report https://t.ly/tREX4
😎Paper https://arxiv.org/pdf/2308.14749.pdf
😎Project https://magic-edit.github.io/
😎Code github.com/magic-research/magic-edit
🌲 MagicEdit: Magic Video Editing 🌲
👉MagicEdit: explicit disentangling the learning of content, structure & motion for Hi-Fi and temporally coherent video editing.
😎Report https://t.ly/tREX4
😎Paper https://arxiv.org/pdf/2308.14749.pdf
😎Project https://magic-edit.github.io/
😎Code github.com/magic-research/magic-edit
🪶 ReST: Multi-Camera MOT 🪶
👉Novel reconfigurable two-steps graph model for multi-camera multi object video tracking (MC-MOT)
😎Review https://t.ly/3C5tb
😎Paper arxiv.org/pdf/2308.13229.pdf
😎Code github.com/chengche6230/ReST
💡 Relighting NeRF 💡
👉Neural implicit radiance representation for free viewpoint relighting of an object lit by a moving point light
😎Review https://t.ly/J-3_L
😎Project nrhints.github.io
😎Code github.com/iamNCJ/NRHints
😎Paper nrhints.github.io/pdfs/nrhints-sig23.pdf
🐨 Watch Your Steps: Editing by Text 🐨
👉The novel SOTA in image & scene (text) editing via denoising diffusion models
😎Review https://t.ly/fv9wn
😎Paper arxiv.org/pdf/2308.08947.pdf
😎Project ashmrz.github.io/WatchYourSteps
🥕 Scenimefy: I-2-I for anime 🥕
👉S-Lab unveils a novel semi-supervised I-2-I translation framework + HD dataset for anime
😎Review https://t.ly/IsdEG
😎Paper arxiv.org/pdf/2308.12968.pdf
😎Code https://github.com/Yuxinn-J/Scenimefy
😎Project https://yuxinn-j.github.io/projects/Scenimefy.html
🌆 NeO360: NeRF for Sparse Outdoor 🌆
👉#Toyota (+GIT) unveils NeO360: 360◦ outdoor scenes from a single or a few posed RGB images
😎Review https://t.ly/JDJZg
😎Paper arxiv.org/pdf/2308.12967.pdf
😎Project zubair-irshad.github.io/projects/neo360.html
🌵 POCO: 3D HPS using Confidence 🌵
👉 Novel framework for HPS regression: #3D human body + confidence in a single feed-forward pass
😎Review https://t.ly/cDePe
😎Paper arxiv.org/pdf/2308.12965.pdf
😎Project https://poco.is.tue.mpg.de
🦠 Instance-Level Semantics of Cells 🦠
👉TYC: novel dataset for understanding instance-level semantics & motions of cells in microstructures
😎Review https://t.ly/y-4VZ
😎Paper arxiv.org/pdf/2308.12116.pdf
😎Project christophreich1996.github.io/tyc_dataset/
😎Code github.com/ChristophReich1996/TYC-Dataset
😎Data tudatalib.ulb.tu-darmstadt.de/handle/tudatalib/3930
Hello everybody,
a lot of you asked me to open the comments to better enjoy the posts. I want to follow your suggestion, hope this new mood likes you.
🔥 NO SPAM
🔥 NO COMMERCIAL
🔥 NO UNRESPECTFUL MESSAGEs
🧡JUST AI & SCIENCE
⚠️ BAN AT THE FIRST VIOLATION ⚠️
🕹️ CoDeF: Video Content Deformation Fields 🕹️
👉Content deformation field is a new type of video representation for video-editing tasks
😎Review https://t.ly/PIVl-
😎Paper arxiv.org/pdf/2308.07926.pdf
😎Project https://qiuyu96.github.io/CoDeF
😎Code https://github.com/qiuyu96/CoDeF
⚡️Feature Matching at Light Speed⚡️
👉LightGlue is a lightweight feature matcher with high accuracy and blazing fast inference
😎Review https://t.ly/jkecX
😎Paper arxiv.org/pdf/2306.13643.pdf
😎Code github.com/cvg/LightGlue
🥎 SportsMOT + MixSort = Sports MOT 🥎
👉Nanjing just released a MOT dataset for sports scenes + the SOTA code/model for tracking (MixSort)
😎Review https://t.ly/NHUxL
😎Paper arxiv.org/pdf/2304.05170.pdf
😎Project deeperaction.github.io/datasets/sportsmot.html
😎Code github.com/MCG-NJU/MixSort
🛒 Digital Twins for AutoRetail Checkout 🛒
👉From #Nvidia a novel approach for using 3D assets for training 2D detection and tracking model in AutoRetail Checkout
😎Review https://t.ly/Ea7kt
😎Paper arxiv.org/pdf/2308.09708.pdf
😎Code github.com/yorkeyao/Automated-Retail-Checkout
🌈 Tracking by Persistent Dynamic View Synthesis 🌈
👉Novel simultaneous addressing of dynamic scene novel-view synthesis + 6-DOF tracking of all dense scene elements
😎Review https://t.ly/Bc535
😎Paper arxiv.org/pdf/2308.09713.pdf
😎Project dynamic3dgaussians.github.io
😎Code github.com/JonathonLuiten/Dynamic3DGaussians
🔥The code is out!🔥
😎 Code https://github.com/NVlabs/neuralangelo
🐘 Controllable Synthetic Data (extending Image-Net) 🐘
👉#META's PUG, a new generation of interactive environments for representation learning. Extending Image-Net!
😎Review https://t.ly/nCYs0
😎Paper arxiv.org/pdf/2308.03977.pdf
😎Project pug.metademolab.com
😎Code github.com/facebookresearch/PUG
👩🚀 HD Avatar via Text & Pose 👩🚀
👉 Generating expressive #3D avatars from nothing but text descriptions & pose guidance
😎Review https://t.ly/wrSMH
😎Paper arxiv.org/pdf/2308.03610.pdf
😎Project avatarverse3d.github.io
🎨 I-Paint: Interactive Neural Painting 🎨
👉 Novel AI-powered tool to help artists in completing their artworks
😎Review https://t.ly/ELUb0
😎Paper arxiv.org/pdf/2307.16441.pdf
😎Project helia95.github.io/inp-website
😎Supp helia95.github.io/inp-website/supp_mat.html
