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 7 532 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 29 жовтня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 219, а за останні 24 години на 0, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 16.46%. Протягом перших 24 годин після публікації контент зазвичай збирає 7.09% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 2 842 переглядів. Протягом першої доби публікація в середньому набирає 1 223 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 17.
- 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 30 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
Немає даних24 години
+27 днів
+21930 днів
Архів дописів
🔥🔥 IDE-3D: source code is out! 🔥🔥
👉Novel, photorealistic, 3D-aware facial generator: source code just released!
😎Review https://bit.ly/3BNrO2C
😎Project mrtornado24.github.io/IDE-3D/
😎Code github.com/MrTornado24/IDE-3D
😎Paper arxiv.org/pdf/2205.15517.pdf
👛 #Nvidia GET3D: #3D generative #AI 👛
👉AI-based Textured 3D meshes with complex topology, rich geometry & hi-fi textures
😎Review https://bit.ly/3SgnT5h
😎Code github.com/nv-tlabs/GET3D
😎Project nv-tlabs.github.io/GET3D/
😎Paper nv-tlabs.github.io/GET3D/assets/paper.pdf
💹 Image Synthesis @160+ FPS! 💹
👉Super-fast, 3D-Aware Image Synthesis with Sparse Voxels -> up to 167 FPS!
😎Review https://bit.ly/3r3ZNij
😎Paper arxiv.org/pdf/2206.07695.pdf
😎Project katjaschwarz.github.io/voxgraf
🦠 Motion Transformer for #selfdriving 🦠
👉The 1st place solution for 2022 #waymo "motion prediction" challenge
😎Review https://bit.ly/3f8G4LD
😎Paper arxiv.org/pdf/2209.10033.pdf
😎Code github.com/sshaoshuai/MTR
🔥#Google just announced "TensorStore"🔥
👉Novel open-source C++ / #Python library for storage/manipulation of high-dim data
😎Review https://bit.ly/3DLwbha
😎Project https://bit.ly/3C4T2TR
😎Code github.com/google/tensorstore
🍜 SURF-GAN: NeRF - >StyleGAN 🍜
👉 Editable portraits by injecting the NeRF's prior into StyleGAN
😎Review https://bit.ly/3SohEw3
😎Project jgkwak95.github.io/surfgan
😎Paper arxiv.org/pdf/2207.10257.pdf
😎Code github.com/jgkwak95/SURF-GAN
🥶 Lumos by #Nvidia: Relighting Portrait 🥶
👉The new SOTA in relighting without requiring a light stage
😎Review https://bit.ly/3dCH9ej
😎Project deepimagination.cc/Lumos
😎Paper arxiv.org/pdf/2209.10510.pdf
😎Demo http://imaginaire.cc/Lumos/
🚜 NeRF-Factory: a NeRF collection 🚜
👉PyTorch-reimplemented NeRF library with 7 popular models/implementations & 7 datasets
𝐇𝐢𝐠𝐡𝐥𝐢𝐠𝐡𝐭𝐬:
✅NeRF: Project | Paper | Code
✅NeRF++: Paper | Code
✅DVGO: Project | Paper v1/v2 | Code
✅Plenoxels: Project | Paper | Code
✅Mip-NeRF: Project | Paper | Code
✅Mip-NeRF360: Project | Paper | Code
✅Ref-NeRF: Project | Paper | Code
More: https://bit.ly/3qUgmgC
🦪StereoVoxelNet: RT Obstacles Detection🦪
👉Novel deep neural approach to detect occupancy from stereo images directly
𝐇𝐢𝐠𝐡𝐥𝐢𝐠𝐡𝐭𝐬:
✅Occupancy voxels via deep learning
✅RT on Jetson-TX2 (-98% CPU of SOTA)
✅Optimization via octrees / sparse conv.
✅Real-world stereo in/outdoor dataset
More: https://bit.ly/3BylAn3
🍈SegNeXt: new SOTA in Semantic Seg.🍈
👉SOTA (by large margin) on ADE20K, Cityscapes, COCO-Stuff, Pascal VOC, Pascal Context, and iSAID 🤯
𝐇𝐢𝐠𝐡𝐥𝐢𝐠𝐡𝐭𝐬:
✅Novel tailored network architecture
✅Spatial attention via multi-scale feats
✅Encoder + conv. better than transformers
✅SOTA on several datasets (ADE20K, etc.)
More: https://bit.ly/3UrZhrH
🍋YOLOPv2: Better Driving Perception🍋
👉YOLOPv2: simultaneous object, road segmentation & lane detection
𝐇𝐢𝐠𝐡𝐥𝐢𝐠𝐡𝐭𝐬:
✅E2E perception net with better backbone
✅Efficient ELAN for reasonable memory
✅Stability for adapting to scenarios
✅SOTA on BDD100K, +50% faster!
✅Source code under MIT license
More: https://bit.ly/3LvYGBh
🐸 CHARL-E: Stable Diffusion in 1 click 🐸
👉CHARL-E packages Stable Diffusion into a simple app.
𝐇𝐢𝐠𝐡𝐥𝐢𝐠𝐡𝐭𝐬:
✅No setup, dependencies, or internet
✅Images with 1-click on #macbook
✅Suitable only for M1/M2 processor
✅Source code under MIT license
More: https://bit.ly/3xv2z3G
🍐PeRFception: Largest IR Dataset🍐
👉#Nvidia, a new frontier in data collection via Plenoxels: same info, -96.4% in size.
𝐇𝐢𝐠𝐡𝐥𝐢𝐠𝐡𝐭𝐬:
✅POSTECH + NVIDIA + Caltech = 🤯
✅Size: -96.4% from original dataset!
✅2D/3D image/object class/semantic
✅Ready-to-use pipeline for implicit dataset
More: https://bit.ly/3eW9hJA
🟨 Lang<->Pics in 100+ Languages 🟨
👉#Google PaLI: unified lang-image #AI to perform tasks in 109 languages 🤯
𝐇𝐢𝐠𝐡𝐥𝐢𝐠𝐡𝐭𝐬:
✅PaLI: Pathways Lang & Image model
✅Answering, captioning, reasoning, etc
✅From Eng. to 109 lang. understanding
✅The new SOTA on several datasets
More: https://bit.ly/3QMslHC
🈯SAMURAI: in-the-wild Shape/Material🈯
👉#Google SAMURAI: shape, BRDF, per-image pose & illumination. Relightable #3D assets for #AR/#VR.
𝐇𝐢𝐠𝐡𝐥𝐢𝐠𝐡𝐭𝐬:
✅Parametrization for varying distances
✅Camera multiplex optimization
✅Posterior scaling of input images
✅Explicit meshes extraction with BRDF
✅Code/data soon available ->#NeurIPS
More: https://bit.ly/3BKWgf3
🉐#AI finds where IG photos are taken🉐
👉Brilliant work of Depoorter, Belgium artist that handles #privacy, #AI & #socialmedia
𝐇𝐢𝐠𝐡𝐥𝐢𝐠𝐡𝐭𝐬:
✅Recorded open cameras for weeks
✅Scraped all #Instagram photos
✅Matching Instagram vs. footage
More: https://bit.ly/3eL5dfc
🔥🔥 UPDATE 🔥🔥
Code Released: https://github.com/sczhou/CodeFormer
🔥 A Survey on Diffusion Models 🔥
👉A comprehensive review of denoising diffusion models in #computervision 🤯
𝐇𝐢𝐠𝐡𝐥𝐢𝐠𝐡𝐭𝐬:
✅Overview on diffusion models
✅Hot trend for the generative AI
✅A multi-perspective categorization
✅Current limitations / new directions
More: https://bit.ly/3RYG5zP
💮MAXIM: Multi-Axis MLP for Vision💮
👉#Google opens MAXIM, a multi-axis MLP for low-level vision
𝐇𝐢𝐠𝐡𝐥𝐢𝐠𝐡𝐭𝐬:
✅Denoising, deblurring, dehazing, etc
✅Multi-axis gated MLP, linear complexity
✅Cross gating block, separate features
✅SOTA results on several datasets!
More: https://bit.ly/3Dmp8LI
🏵️ TORAS: SOTA #AI for annotation 🏵️
👉TORAS: web-based AI-powered, cooperative, annotation platform.
𝐇𝐢𝐠𝐡𝐥𝐢𝐠𝐡𝐭𝐬:
✅SOTA AI tools -> significant speedup
✅"Recipes" to define how to annotate
✅Repo with folder structure for storage
✅Also on-prem for (commercial) firms
More: https://bit.ly/3L78YI2
