Не попадись на ботовода! Telemetrio знаходить і позначає такі канали мітками 👉 Хочеш бачити мітку, оформляй підписку

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 128 Технології та додатки7 491...

📈 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 7 491 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 17 261 підписників.

За останніми даними від 24 жовтня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 258, а за останні 24 години на -2, загальне охоплення залишається високим.

Статус верифікації: Не верифікований
Рівень залученості (ER): Середній показник залученості аудиторії становить 16.76%. Протягом перших 24 годин після публікації контент зазвичай збирає 7.11% реакцій від загальної кількості підписників.
Охоплення публікацій: В середньому кожен допис отримує 2 893 переглядів. Протягом першої доби публікація в середньому набирає 1 227 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 25 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

-224 години

+27 днів

+25830 днів

2 893

Перегляди допису

~ 1 22724 години

~ 1 55648 годин

16.76%

Коефіцієнт залучення

Немає даних

Дописів на день

Ads index

beta

Архів дописів

17 261

🖲️ VGG Transformer 🖲️ 👉VGGT by VGG & #META (#CVPR2025) is a feed-forward neural net. that directly infers all key 3D attributes of a scene within seconds. Code released💙 👉Review https://t.ly/WoWXL 👉Paper https://arxiv.org/pdf/2503.11651 👉Project https://vgg-t.github.io/ 👉Code github.com/facebookresearch/vggthttps://t.ly/WoWXL

17 261

🍾 6D Tracking & Pose SOTA 🍾 👉ČVUT unveils the new SOTA in RGB 6D pose estimation and tracking. Suitable for ego-clips & 7-axis robo-manipulation. Code under MIT💙 👉Review https://t.ly/pSqFR 👉Paper arxiv.org/pdf/2503.10307 👉Code github.com/ponimatkin/freepose

17 261

🫀HyperFast Mycardium tracking🫀 👉Norwegian institutes unveil MyoTracker, a low-complexity architecture (0.3M params) for point tracking in echocardiography. Built on CoTracker2, it provides point predictions for the entire sequence in a single step. Code released under non commercial license💙 👉Review https://t.ly/6wo8q 👉Paper https://arxiv.org/pdf/2503.10431 👉Code https://github.com/artemcher/myotracker

17 261

🐶OVTR: E2E Transformer MOT🐶 👉HUST University proposes OVTR (End-to-End Open-Vocabulary Multiple Object Tracking with TRansformer), the first end-to-end open-vocabulary tracker that models motion, appearance, and category simultaneously. Source Code released under MIT💙 👉Review https://t.ly/K3ASX 👉Paper arxiv.org/pdf/2503.10616 👉Code https://github.com/jinyanglii/OVTR

17 261

🎯RexSeek: Referring Any Object🎯 👉Novel referring detection model based on multimodal LLM to precisely locate objects based on user-input natural language. Model specialization on humans. Code released 💙 👉Review https://shorturl.at/CGsT2 👉Paper arxiv.org/pdf/2503.08507 👉Code github.com/IDEA-Research/RexSeek

17 261

💙 Announcing #Py4AI 2025 💙 👉 The second edition of Py4AI conference is official! An all-day, fully free, event for #AI & #Python lovers. 𝐓𝐡𝐞 𝐟𝐢𝐫𝐬𝐭 𝐛𝐚𝐭𝐜𝐡 𝐨𝐟 𝐬𝐩𝐞𝐚𝐤𝐞𝐫𝐬: 🚀Dana Aubakirova | Hugging Face🤗 🚀Yunhao Liu & Ruoya Sheng | ByteDance🔥 🚀Alice Casiraghi | 🌏🌎🌍 🚀Luca Arrotta, PhD | Datapizza🍕 🚀Valeria Zuccoli | Bettini Srl 🚀Mirco Planamente | ARGO Vision 🚀Daniele Zonca | Red Hat 👉 Info & registration: https://t.ly/37wWj

17 261

📒 Moving-Camera Diffusion 📒 👉Tencent unveils TrajectoryCrafter, a novel approach to redirect camera trajectories for monocular videos. Impressive results, the future of commercial #adv. Code & Demo released💙 👉Review https://t.ly/L-IoR 👉Paper https://arxiv.org/pdf/2503.05638 👉Project https://trajectorycrafter.github.io/ 👉Repo github.com/TrajectoryCrafter/TrajectoryCrafter 🤗Demo https://huggingface.co/spaces/Doubiiu/TrajectoryCrafter

17 261

🍎FindTrack: text-driven VOS 🍎 👉Yonsei University introduces FindTrack, a novel decoupled framework that separates text-driven target ID from mask propagation. Impressive results (even under severe occlusions), new SOTA. Source Code & models to be released💙 👉Review https://t.ly/2smaF 👉Paper arxiv.org/pdf/2503.03492 👉Repo github.com/suhwan-cho/FindTrack

17 261

🔥Distill-Any-Depth: SOTA MDE🔥 👉Distill-Any-Depth is the new SOTA monocular depth estimation model trained with a novel knowledge distillation. Authors: ZJUT, WestLake University, LZU & NTU. Source Code, pre-trained models & HF-demo released💙 👉Review https://t.ly/GBJgi 👉Paper arxiv.org/pdf/2502.19204 👉Repo https://lnkd.in/dPtxNrQh 🤗Demo https://lnkd.in/d2TMPf4b

17 261

🔥🔥Distill-Any-Depth: new SOTA MDE🔥🔥 👉Distill-Any-Depth is the new SOTA monocular depth estimation model trained with a novel knowledge distillation. Source Code, pre-trained models & f-demo released💙 𝐇𝐢𝐠𝐡𝐥𝐢𝐠𝐡𝐭𝐬: ✅Authors: ZJUT, WestLake University, LZU & NTU ✅Multiple D-normalization on pseudo-label distillation ✅Proposing novel Cross-Context Distillation approach ✅Introducing new multi-teacher distillation framework ✅Pre-trained Models and code released under MIT hashtag#artificialintelligence hashtag#machinelearning hashtag#ml hashtag#AI hashtag#deeplearning hashtag#computervision hashtag#AIwithPapers hashtag#metaverse hashtag#LLM 👉Discussion https://lnkd.in/dMgakzWm 👉Paper arxiv.org/pdf/2502.19204 👉Repo https://lnkd.in/dPtxNrQh 🤗Demo https://lnkd.in/d2TMPf4b

17 261

🧠 Distractor-Aware SAM2 🧠 👉A novel distractor-aware memory for SAM2 and an introspection-based update strategy for VOT. Code & Dataset released💙 👉Review https://t.ly/RBRpQ 👉Paper arxiv.org/pdf/2411.17576 👉Project jovanavidenovic.github.io/dam-4-sam 👉Repo github.com/jovanavidenovic/DAM4SAM/

17 261

🏉 MITracker: Multi-View Tracking 🏉 👉ShangaiTech unveils MITracker, a novel Multi-View Integration Tracker, to efficiently integrate multi-view object features and provide stable tracking outcomes. Code & Dataset to be released💙 👉Review https://t.ly/RTNUo 👉Paper https://arxiv.org/pdf/2502.20111 👉Project https://xum007.github.io/MITracker.github.io/ 👉Repo https://github.com/XuM007/MITracker

17 261

👽Neural-Free Sparse Voxels Rasterization👽 👉#Nvidia unveils a novel efficient radiance field rendering algorithm that incorporates a rasterization process on adaptive sparse voxels without neural networks or 3D Gaussians. Code released (custom license)💙 👉Review https://t.ly/Nh_ic 👉Paper https://lnkd.in/g8k8Zs6R 👉Project https://lnkd.in/gR-bD4Wx 👉Repo https://lnkd.in/gNHX-w4t

17 261

🔥 YOLOv12 is out (new SOTA) 🔥 👉YOLOv12 is a novel attention-centric YOLO framework that matches the speed of previous CNN-based ones while harnessing the performance benefits of attention mechanisms. Source Code & Demo released💙 👉Review https://t.ly/jj1oR 👉Paper https://arxiv.org/pdf/2502.12524 👉Repo https://github.com/sunsmarterjie/yolov12 🤗 https://huggingface.co/spaces/sunsmarterjieleaf/yolov12

17 261

🌈L4P: Unified Low-Level 4D Vision🌈 👉#Nvidia L4P is a novel feedforward, general-purpose, architecture to solve low-level 4D perception tasks in a unified framework. L4P combines a ViTbased backbone with per-task heads that are lightweight and therefore do not require extensive training. One backbone - many SOTAs. Code announced 💙 👉Review https://t.ly/04DGj 👉Paper arxiv.org/pdf/2502.13078 👉Project research.nvidia.com/labs/lpr/l4p/ 👉Repo TBA

17 261

🔥Large Language DIFFUSION Model🔥 👉Renmin University introduces LLaDA, a *diffusion model* trained entirely from scratch, rivaling LLaMA3 8B in performance. Pre-trained from scratch on 2.3T tokens using 0.13M H800 GPU hours, followed by SFT on 4.5M pairs. A new paradigm is born? Repo by the end of Feb.25 💙 👉Review https://t.ly/7Cnrh 👉Paper https://lnkd.in/dCWi3byk 👉Project https://lnkd.in/dB7JRYeA 👉Repo https://lnkd.in/dAqzeCHJ

17 261

🔥 Animate Anyone 2 🔥 👉 The evolution of the first version that enables character animation w/ environment affordance. Amazing results but no code announced 🥲 👉Review https://t.ly/iNNLB 👉Paper https://arxiv.org/pdf/2502.06145 👉Project https://humanaigc.github.io/animate-anyone-2

17 261

Hi friends, what other kind of content would you like to *OCCASIONALLY* see in this group?

Anonymous voting

17 261

🪛 Make anything "Rig-Ready" 🪛 👉RigAnything is a novel autoregressive transformer-based model, which makes 3D assets rig-ready by probabilistically generating joints, skeleton topologies, and assigning skinning weights in a template-free manner. Online demo announced💙 👉Review https://t.ly/bNwxq 👉Paper arxiv.org/pdf/2502.09615 👉Project www.liuisabella.com/RigAnything

17 261

🦶 It's all About Foot 🦶 👉 A collection of three works all about human foot: synthetic foot renders, reconstruction and surface normals. Repos & Datasets available💙 👉Review https://t.ly/GY8mL 👉Paper (last) arxiv.org/pdf/2502.06367 👉Projects www.ollieboyne.com/ 👉Repo github.com/OllieBoyne/FOUND 👉Repo github.com/OllieBoyne/SynFoot 👉Repo github.com/OllieBoyne/FOCUS (coming)