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

17 157

🫠 X-Portrait 2: SOTA(?) Portrait Animation 🫠 👉ByteDance unveils a preview of X-Portrait2, the new SOTA expression encoder model that implicitly encodes every minuscule expressions from the input by training it on large-scale datasets. Impressive results but no paper & code announced. 👉Review https://t.ly/8Owh9 [UPDATE] 👉Paper ? 👉Project byteaigc.github.io/X-Portrait2/ 👉Repo ?

17 157

🧠 Single Neuron Reconstruction 🧠 👉SIAT unveils NeuroFly, a framework for large-scale single neuron reconstruction. Formulating neuron reconstruction task as a 3-stage streamlined workflow: automatic segmentation - connection - manual proofreading. Bridging computer vision and neuroscience 💙 👉Review https://t.ly/Y5Xu0 👉Paper https://arxiv.org/pdf/2411.04715 👉Repo github.com/beanli161514/neurofly

17 157

💪 Muscles in Time Dataset 💪 👉Muscles in Time (MinT) is a large-scale synthetic muscle activation dataset. MinT contains 9+ hours of simulation data covering 227 subjects and 402 simulated muscle strands. Code & Dataset available soon 💙 👉Review https://t.ly/108g6 👉Paper arxiv.org/pdf/2411.00128 👉Project davidschneider.ai/mint 👉Code github.com/simplexsigil/MusclesInTime

17 157

🏣 CityGaussianV2: Large-Scale City 🏣 👉A novel approach for large-scale scene reconstruction that addresses critical challenges related to geometric accuracy and efficiency: 10x compression, 25% faster & -50% memory! Source code released💙 👉Review https://t.ly/Xgn59 👉Paper arxiv.org/pdf/2411.00771 👉Project dekuliutesla.github.io/CityGaussianV2/ 👉Code github.com/DekuLiuTesla/CityGaussian

17 157

☀️ Universal Relightable Avatars ☀️ 👉#Meta unveils URAvatar, photorealistic & relightable avatars from phone scan with unknown illumination. Stunning results! 👉Review https://t.ly/U-ESX 👉Paper arxiv.org/pdf/2410.24223 👉Project junxuan-li.github.io/urgca-website

17 157

🍜 REM: Segment What You Describe 🍜 👉REM is a framework for segmenting concepts in video that can be described via LLM. Suitable for rare & non-object dynamic concepts, such as waves, smoke, etc. Code & Data announced 💙 👉Review https://t.ly/OyVtV 👉Paper arxiv.org/pdf/2410.23287 👉Project https://miccooper9.github.io/projects/ReferEverything/

17 157

🔥🔥 The code is out 🔥🔥 👉Code https://github.com/HaixinShi/fmov_pose

17 157

🔥 D-FINE: new SOTA Detector 🔥 👉D-FINE, a powerful real-time object detector that achieves outstanding localization precision by redefining the bounding box regression task in DETR model. New SOTA on MS COCO with additional data. Code & models available 💙 👉Review https://t.ly/aw9fN 👉Paper https://arxiv.org/pdf/2410.13842 👉Code https://github.com/Peterande/D-FINE

17 157

🫐 Blendify: #Python + Blender 🫐 👉Lightweight Python framework that provides a high-level API for creating & rendering scenes with #Blender. It simplifies data augmentation & synthesis. Source Code released💙 👉Review https://t.ly/l0crA 👉Paper https://arxiv.org/pdf/2410.17858 👉Code https://virtualhumans.mpi-inf.mpg.de/blendify/

17 157

⛈️ SMITE: SEGMENT IN TIME ⛈️ 👉SFU unveil SMITE: a novel AI that -with only one or few segmentation references with fine granularity- is able to segment different unseen videos respecting the segmentation references. Dataset & Code (under Apache 2.0) announced 💙 👉Review https://t.ly/w6aWJ 👉Paper arxiv.org/pdf/2410.18538 👉Project segment-me-in-time.github.io/ 👉Code github.com/alimohammadiamirhossein/smite/

17 157

🌻 Plant Camouflage Detection🌻 👉PlantCamo Dataset is the first dataset for plant camouflage detection: 1,250 images with camouflage characteristics. Source Code released 💙 👉Review https://t.ly/pYFX4 👉Paper arxiv.org/pdf/2410.17598 👉Code github.com/yjybuaa/PlantCamo

17 157

🪁 PL2Map: efficient neural 2D-3D 🪁 👉PL2Map is a novel neural network tailored for efficient representation of complex point & line maps. A natural representation of 2D-3D correspondences 👉Review https://t.ly/D-bVD 👉Paper arxiv.org/pdf/2402.18011 👉Project https://thpjp.github.io/pl2map 👉Code https://github.com/ais-lab/pl2map

17 157

🧿 Look Ma, no markers 🧿 👉#Microsoft unveils the first technique for marker-free, HQ reconstruction of COMPLETE human body, including eyes and tongue, without requiring any calibration, manual intervention or custom hardware. Impressive results! Repo for training & Dataset released💙 👉Review https://t.ly/5fN0g 👉Paper arxiv.org/pdf/2410.11520 👉Project microsoft.github.io/SynthMoCap/ 👉Repo github.com/microsoft/SynthMoCap

17 157

🔥BitNet: code of 1-bit LLM is out 🔥 👉BitNet by #Microsoft, announced in late 2023, is a 1-bit Transformer architecture designed for LLMs. BitLinear as a drop-in replacement of the nn.Linear layer in order to train 1-bit weights from scratch. Source Code just released a few hours ago 💙 👉Review https://t.ly/3G2LA 👉Paper arxiv.org/pdf/2310.11453 👉Code https://lnkd.in/duPADJVb

17 157

☀️ GS + Depth = SOTA ☀️ 👉ETH unveils DepthSplat, the new SOTA in depth estimation and novel view synthesis tasks. The key feature is the cross-task interactions between Gaussian Splatting & depth estimation. Source Code to be released in a few days💙 👉Review https://t.ly/87HuH 👉Paper arxiv.org/abs/2410.13862 👉Project haofeixu.github.io/depthsplat/ 👉Code github.com/cvg/depthsplat

17 157

🦠 Neural Metamorphosis 🦠 👉NU Singapore unveils NeuMeta to transform neural nets by allowing a single model to adapt on the fly to different sizes, generating the right weights when needed. 👉Review https://t.ly/DJab3 👉Paper arxiv.org/pdf/2410.11878 👉Project adamdad.github.io/neumeta 👉Code github.com/Adamdad/neumeta

17 157

🔥 CoTracker3 by #META is out! 🔥 👉#Meta (+VGG Oxford) unveils CoTracker3, a new tracker that outperforms the previous SoTA by a large margin using only the 0.1% of the training data 🤯🤯🤯 👉Review https://t.ly/TcRIv 👉Paper arxiv.org/pdf/2410.11831 👉Project cotracker3.github.io/ 👉Code github.com/facebookresearch/co-tracker

17 157

🪞Robo-Emulation via Video Imitation🪞 👉OKAMI (UT & #Nvidia) is a novel foundation method that generates a manipulation plan from a single RGB-D video and derives a policy for execution. 👉Review https://t.ly/_N29- 👉Paper arxiv.org/pdf/2410.11792 👉Project https://lnkd.in/d6bHF_-s

17 157

🔥 DEPTH ANY VIDEO is out! 🔥 👉DAV is a novel foundation model for image/video depth estimation.The new SOTA for accuracy & consistency, up to 150 FPS! 👉Review https://t.ly/CjSz2 👉Paper arxiv.org/pdf/2410.10815 👉Project depthanyvideo.github.io/ 👉Code github.com/Nightmare-n/DepthAnyVideo