Computer Science and Programming

Відкрити в Telegram

Channel specialized for advanced topics of: * Artificial intelligence, * Machine Learning, * Deep Learning, * Computer Vision, * Data Science * Python Admin: @otchebuch Memes: @memes_programming Ads: @Source_Ads, https://telega.io/c/computer_science

Сітка:Computer Science and Programming Італія87 Технології та додатки815...

📈 Аналітичний огляд Telegram-каналу Computer Science and Programming

Канал Computer Science and Programming (@computer_science_and_programming) у мовному сегменті Англійська є активним учасником. На даний момент спільнота об'єднує 142 757 підписників, посідаючи 815 місце в категорії Технології та додатки та 87 місце у регіоні Італія.

📊 Показники аудиторії та динаміка

З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 142 757 підписників.

За останніми даними від 13 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -1 316, а за останні 24 години на -26, загальне охоплення залишається високим.

Статус верифікації: Не верифікований
Рівень залученості (ER): Середній показник залученості аудиторії становить 6.13%. Протягом перших 24 годин після публікації контент зазвичай збирає 1.79% реакцій від загальної кількості підписників.
Охоплення публікацій: В середньому кожен допис отримує 8 753 переглядів. Протягом першої доби публікація в середньому набирає 2 559 переглядів.
Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 17.
Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як sellerflash, github, developer, pricing, waybienad.

📝 Опис та контентна політика

Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“Channel specialized for advanced topics of: * Artificial intelligence, * Machine Learning, * Deep Learning, * Computer Vision, * Data Science * Python Admin: @otchebuch Memes: @memes_programming Ads: @Source_Ads, https://telega.io/c/computer_sc...”

Завдяки високій частоті оновлень (останні дані отримано 14 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.

142 757

Підписники

-2624 години

-1847 днів

-1 31630 день

8 753

Перегляди допису

~ 2 55924 години

~ 3 64348 годин

6.13%

Коефіцієнт залучення

~ 1

Дописів на день

Ads index

beta

Архів дописів

142 737

⚠ Message was hidden by channel owner

142 737

Paper: https://arxiv.org/pdf/2107.10833v1.pdf Github: https://github.com/xinntao/Real-ESRGAN Colab demo: https://colab.research.google.com/drive/1k2Zod6kSHEvraybHl50Lys0LerhyTMCo?usp=sharing 👉@computer_science_and_programming

142 737

Practical image restoration Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data 👉@computer_science_and_programming

142 737

A simpler design but better performance! It aims to bridge the gap between research and industrial communities. Paper: https://arxiv.org/pdf/2107.08430v1.pdf Github: https://github.com/Megvii-BaseDetection/YOLOX 👉@computer_science_and_programming

142 737

YOLOX: Exceeding YOLO Series in 2021 Anchor-free version of YOLO series Won the 1st Place on Streaming Perception Challenge (Workshop on Autonomous Driving at CVPR 2021)

142 737

SMURF: Self-Teaching Multi-Frame Unsupervised RAFT with Full-Image Warping Paper: https://arxiv.org/pdf/2105.07014.pdf Video: https://www.youtube.com/watch?v=W7NCbfZp6QE Code: https://github.com/google-research/google-research/tree/master/smurf 👉 @computer_science_and_programming

142 737

From Google and Waymo researchers: The self-/unsupervised revolution is near! Unsupervised optical flow model SMURF improves SOTA by 40% and beats many supervised methods such as PWC-Net and FlowNet2 👉 @computer_science_and_programming

142 737

All Open Access Papers: https://openaccess.thecvf.com/CVPR2021

142 737

It's CVPR 2021 time!

142 737

Paper: https://arxiv.org/pdf/2106.13797v2.pdf Github: https://github.com/whai362/PVT

142 737

PVTv2: Improved Baselines with Pyramid Vision Transformer ✅ Classification ✅ Detection ✅ Segmentation

142 737

Paper: https://arxiv.org/pdf/2106.02034.pdf Github: https://github.com/raoyongming/DynamicViT Project page: https://dynamicvit.ivg-research.xyz/

142 737

DynamicViT: Efficient Vision Transformers with Dynamic Token Sparsification

142 737

Paper: https://people.engr.tamu.edu/nimak/Papers/SIGAsia2020_LF/resource/SIGGRAPH_2020_Light_Field_Authors_version.pdf Code: https://github.com/Turmac/light_field_synthesis Project page: https://people.engr.tamu.edu/nimak/Papers/SIGAsia2020_LF/index.html Dataset: https://drive.google.com/file/d/1oHywOJAAYm8YrSH5mDubjTAwN8jrCC9y/view

142 737

Synthesizing Light Field From a Single Image with Variable MPI and Two Network Fusion

142 737

500 + 𝗔𝗿𝘁𝗶𝗳𝗶𝗰𝗶𝗮𝗹 𝗜𝗻𝘁𝗲𝗹𝗹𝗶𝗴𝗲𝗻𝗰𝗲 𝗣𝗿𝗼𝗷𝗲𝗰𝘁 𝗟𝗶𝘀𝘁 𝘄𝗶𝘁𝗵 𝗰𝗼𝗱𝗲 https://github.com/ashishpatel26/500-AI-Machine-learning-Deep-learning-Computer-vision-NLP-Projects-with-code

142 737

Great resource of AI, Machine learning, Deep learning, Computer vision, NLP Projects and Courses with code

142 737

Github: https://github.com/OlafenwaMoses/DeepStack_ExDark Documentation: https://docs.deepstack.cc/index.html#installation Custom dataset preparation: https://docs.deepstack.cc/custom-models/datasetprep/index.html Training custom model: https://docs.deepstack.cc/custom-models/training/index.html

142 737

Dark scene object detection API for detecting 12 common objects in the dark/night images and videos

142 737

🔥 Self-Supervised Vision Transformers with DINO Blogpost: https://ai.facebook.com/blog/dino-paws-computer-vision-with-self-supervised-transformers-and-10x-more-efficient-training/ Paper: https://arxiv.org/pdf/2104.14294.pdf Code: https://github.com/facebookresearch/dino