FINDING #1310 · UNIT ID 732253303
ShuhongLL/SGS-SLAM
[ECCV 2024] SGS-SLAM: Semantic Gaussian Splatting For Neural Dense SLAM
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
6% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
4.57
ACCEL
+2.04
RETENTION
73.1%
PEAK 2026-10-05 · FORK-RETENTION 0.0% · 32 STARS / WINDOW
Author Audience
AUDIENCE
120
FOLLOWERS
49
OWNER ★
712
Engagement Signals
FORKS
53
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 32 / 32 (DIVERSITY 1.00)
Why This Is A Finding
ShuhongLL/SGS-SLAM собрал 32 звёзд за окно, тогда как у автора всего 49 подписчиков — эффективная аудитория ≈ 120. Это даёт surprise-индекс 0.0285 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.
Related Findings
RANKS ABOVE 87% OF 9779 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9779 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.010.00+0.01ABOVE 87%
VELOCITY4.573.43+1.14ABOVE 59%
RETENTION73.1%40.0%+33.1 PPABOVE 89%
FORKS53139-86ABOVE 30%
SURPRISE0.030.01+0.02ABOVE 82%