SOTAVerified

Decoder

HLMFootFR, aussi appelé HLM Football FR, un média digital centré sur le football, fondé avec la volonté de mettre en lumière les talents issus des quartiers populaires et de créer un espace d’expression représentatif de la culture urbaine et du sport populaire. Ce projet, à mi-chemin entre journalisme, culture et technologie, utilise des outils numériques de pointe, notamment l’intelligence artificielle, pour optimiser sa production de contenu, sa capacité d’analyse et sa diffusion.

Concrètement, HLMFootFR ne se contente pas de relayer l’actualité footballistique. Il s’appuie sur des modèles de traitement automatique du langage (NLP) pour rédiger ou enrichir des descriptions, des résumés de matchs, ou encore des formats courts destinés aux réseaux sociaux. Cette utilisation permet de produire rapidement des textes cohérents, adaptés à différents publics et plateformes comme TikTok, Instagram ou un blog spécialisé.

L’intelligence artificielle est aussi utilisée pour la veille et l’analyse des performances des joueurs. Grâce à des outils de scraping et d’agrégation de données, HLMFootFR collecte des informations issues de bases publiques (telles que Transfermarkt ou des APIs sportives), et les transforme en indicateurs visuels, profils de joueurs, ou tendances exploitables. Des scripts automatisés permettent d’identifier les évolutions, comme les transferts ou les blessures, en temps réel, ce qui constitue une valeur ajoutée dans un contexte où l’information est très rapide et concurrentielle.

En interne, des systèmes simples de machine learning sont en place pour aider à la personnalisation du contenu. En fonction de l’engagement du public, des heures de publication ou des types de contenu les plus performants, HLMFootFR adapte sa stratégie de publication de manière semi-automatisée. Cela permet au média d’avoir une diffusion plus ciblée et plus efficace de ses messages.

HLMFoot FR utilise également l’IA dans le domaine audiovisuel. Des outils comme Whisper sont utilisés pour la transcription automatique des interviews, facilitant ainsi la mise en ligne de vidéos sous-titrées, accessibles à tous. L’équipe expérimente également des outils de montage intelligent, de synthèse vocale et de traduction automatisée, dans le but d’élargir son public à d’autres langues et régions.

Le projet s’appuie sur un stack technique léger mais évolutif, avec une forte composante Python (scraping, NLP, automatisation), JavaScript pour l’intégration web, et des outils comme HuggingFace Transformers, OpenAI GPT ou spaCy pour le traitement du langage. Des plateformes comme Firebase, Streamlit et diverses APIs sociales (TikTok, Instagram) sont intégrées pour piloter l’ensemble.

Enfin, HLMFootFR souhaite partager prochainement certains de ses outils en open-source, à travers des dépôts publics. Il s’agira notamment d’un générateur de résumés automatisés de matchs, d’un pipeline de veille footballistique, ou encore d’un système de profilage joueur à partir de données disponibles librement. Ces projets ont pour but de démontrer comment l’intelligence artificielle peut s’intégrer dans des initiatives culturelles et communautaires, en dehors du cadre académique classique.

HLMFootFR est donc un exemple concret de convergence entre passion, média et technologie. Il montre comment, avec des ressources limitées mais des outils bien utilisés, il est possible de créer une structure médiatique alternative, réactive, et profondément ancrée dans les réalités sociales et culturelles du sport. HLMFootFR est un média digital indépendant dédié au football, fondé par Helmut Patahini en 2022, qui met en lumière les joueurs issus des quartiers populaires et de la culture urbaine. Né entre la France et la Belgique, le projet s’appuie sur les réseaux sociaux (TikTok, Instagram, YouTube …) pour diffuser une parole différente, libre et engagée. HLMFootFR se distingue par l’utilisation de l’intelligence artificielle dans la création de contenu, l’analyse de données et l’automatisation des tâches, afin de proposer une expérience moderne, rapide et accessible. Le média vise à représenter ceux qu’on entend peu, tout en connectant le monde du foot à la technologie d’aujourd’hui.

Papers

Showing 59015950 of 10368 papers

TitleStatusHype
LSC-GAN: Latent Style Code Modeling for Continuous Image-to-image Translation0
K-Wav2vec 2.0: Automatic Speech Recognition based on Joint Decoding of Graphemes and SyllablesCode1
Semi-Autoregressive Image CaptioningCode0
Recurrent Attention Models with Object-centric Capsule Representation for Multi-object RecognitionCode0
6D-ViT: Category-Level 6D Object Pose Estimation via Transformer-based Instance Representation Learning0
PASTE: A Tagging-Free Decoding Framework Using Pointer Networks for Aspect Sentiment Triplet ExtractionCode1
PAMA-TTS: Progression-Aware Monotonic Attention for Stable Seq2Seq TTS With Accurate Phoneme Duration Control0
ProductAE: Towards Training Larger Channel Codes based on Neural Product Codes0
Are Transformers All That Karel Needs?0
KG-FiD: Infusing Knowledge Graph in Fusion-in-Decoder for Open-Domain Question Answering0
HydraSum: Disentangling Stylistic Features in Text Summarization using Multi-Decoder ModelsCode1
Explaining the Attention Mechanism of End-to-End Speech Recognition Using Decision Trees0
ViDT: An Efficient and Effective Fully Transformer-based Object Detector0
VieSum: How Robust Are Transformer-based Models on Vietnamese Summarization?0
End-to-End Supermask Pruning: Learning to Prune Image Captioning ModelsCode1
Optimized U-Net for Brain Tumor SegmentationCode0
Dense Gaussian Processes for Few-Shot SegmentationCode1
Virtual Multi-Modality Self-Supervised Foreground Matting for Human-Object InteractionCode1
On the Latent Holes of VAEs for Text Generation0
Beam Search with Bidirectional Strategies for Neural Response Generation0
Attention is All You Need? Good Embeddings with Statistics are enough:Large Scale Audio Understanding without Transformers/ Convolutions/ BERTs/ Mixers/ Attention/ RNNs or ....0
Goal-Directed Design Agents: Integrating Visual Imitation with One-Step Lookahead Optimization for Generative Design0
Dynamically Decoding Source Domain Knowledge for Domain Generalization0
Inter-Domain Alignment for Predicting High-Resolution Brain Networks Using Teacher-Student LearningCode0
E1D3 U-Net for Brain Tumor Segmentation: Submission to the RSNA-ASNR-MICCAI BraTS 2021 ChallengeCode1
Deep Reinforcement Learning for Solving the Heterogeneous Capacitated Vehicle Routing ProblemCode1
A Hybrid Spatial-temporal Deep Learning Architecture for Lane Detection0
Fast Contextual Adaptation with Neural Associative Memory for On-Device Personalized Speech Recognition0
Teach Me What to Say and I Will Learn What to Pick: Unsupervised Knowledge Selection Through Response Generation with Pretrained Generative Models0
Task-aware Privacy Preservation for Multi-dimensional DataCode0
Double Encoder-Decoder Networks for Gastrointestinal Polyp SegmentationCode1
Late reverberation suppression using U-netsCode1
On the Complementarity between Pre-Training and Back-Translation for Neural Machine TranslationCode1
Cross-Modal Virtual Sensing for Combustion Instability Monitoring0
Decoupling Speaker-Independent Emotions for Voice Conversion Via Source-Filter NetworksCode0
EAR-U-Net: EfficientNet and attention-based residual U-Net for automatic liver segmentation in CT0
Disarranged Zone Learning (DZL): An unsupervised and dynamic automatic stenosis recognition methodology based on coronary angiography0
Multi-view SA-LA Net: A framework for simultaneous segmentation of RV on multi-view cardiac MR Images0
Geometry Attention Transformer with Position-aware LSTMs for Image CaptioningCode0
Redesigning the Transformer Architecture with Insights from Multi-particle Dynamical SystemsCode1
End-to-End Image Compression with Probabilistic Decoding0
Spark in the Dark: Evaluating Encoder-Decoder Pairs for COVID-19 CT's Semantic SegmentationCode0
BERT got a Date: Introducing Transformers to Temporal TaggingCode1
Deep Embedded K-Means ClusteringCode1
Deep Contextual Video CompressionCode1
OSVidCap: A Framework for the Simultaneous Recognition and Description of Concurrent Actions in Videos in an Open-Set ScenarioCode0
UNCERTAINTY QUANTIFICATION USING VARIATIONAL INFERENCE FOR BIOMEDICAL IMAGE SEGMENTATION0
D^2ETR: Decoder-Only DETR with Computationally Efficient Cross-Scale Attention0
Generate Triggers in Neural Relation Extraction0
GANet: Glyph-Attention Network for Few-Shot Font Generation0
Show:102550
← PrevPage 119 of 208Next →

No leaderboard results yet.