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 651700 of 10368 papers

TitleStatusHype
Deep Fusion Network for Image CompletionCode1
Deep Equilibrium Object DetectionCode1
Deep Generative Model for Periodic GraphsCode1
Adversarial AutoencodersCode1
Deep Encoder-Decoder Networks for Classification of Hyperspectral and LiDAR DataCode1
Deep Encoder, Shallow Decoder: Reevaluating Non-autoregressive Machine TranslationCode1
DeepHandMesh: A Weakly-supervised Deep Encoder-Decoder Framework for High-fidelity Hand Mesh ModelingCode1
Deep Parametric 3D Filters for Joint Video Denoising and Illumination Enhancement in Video Super ResolutionCode1
DenseFuse: A Fusion Approach to Infrared and Visible ImagesCode1
DiGIT: Multi-Dilated Gated Encoder and Central-Adjacent Region Integrated Decoder for Temporal Action Detection TransformerCode1
T3: Tree-Autoencoder Constrained Adversarial Text Generation for Targeted AttackCode1
Advancing TTP Analysis: Harnessing the Power of Large Language Models with Retrieval Augmented GenerationCode1
Decoupled Attention Network for Text RecognitionCode1
DECO: Query-Based End-to-End Object Detection with ConvNetsCode1
Decoupling Global and Local Representations via Invertible Generative FlowsCode1
Deep Active Learning for Named Entity RecognitionCode1
Decoder-only Streaming Transformer for Simultaneous TranslationCode1
A Character-Level Decoder without Explicit Segmentation for Neural Machine TranslationCode1
Decoder Denoising Pretraining for Semantic SegmentationCode1
Six Dragons Fly Again: Reviving 15th-Century Korean Court Music with Transformers and Novel EncodingCode1
Decoder-Only Image RegistrationCode1
Decomposing 3D Scenes into Objects via Unsupervised Volume SegmentationCode1
Deep Architectures for Neural Machine TranslationCode1
DDANet: Dual Decoder Attention Network for Automatic Polyp SegmentationCode1
DeblurDiNAT: A Compact Model with Exceptional Generalization and Visual Fidelity on Unseen DomainsCode1
SentenceVAE: Enable Next-sentence Prediction for Large Language Models with Faster Speed, Higher Accuracy and Longer ContextCode1
Advances in integration of end-to-end neural and clustering-based diarization for real conversational speechCode1
AO2-DETR: Arbitrary-Oriented Object Detection TransformerCode1
DeCap: Decoding CLIP Latents for Zero-Shot Captioning via Text-Only TrainingCode1
DCSAU-Net: A Deeper and More Compact Split-Attention U-Net for Medical Image SegmentationCode1
DC-Net: Divide-and-Conquer for Salient Object DetectionCode1
DC-UNet: Rethinking the U-Net Architecture with Dual Channel Efficient CNN for Medical Images SegmentationCode1
DatasetGAN: Efficient Labeled Data Factory with Minimal Human EffortCode1
3DInvNet: A Deep Learning-Based 3D Ground-Penetrating Radar Data InversionCode1
Data-to-text Generation with Macro PlanningCode1
DC-WCNN: A deep cascade of wavelet based convolutional neural networks for MR Image ReconstructionCode1
DeCLIP: Decoding CLIP representations for deepfake localizationCode1
Deep Contextual Video CompressionCode1
DALE: Generative Data Augmentation for Low-Resource Legal NLPCode1
DAGER: Exact Gradient Inversion for Large Language ModelsCode1
DAN: a Segmentation-free Document Attention Network for Handwritten Document RecognitionCode1
DadaGP: A Dataset of Tokenized GuitarPro Songs for Sequence ModelsCode1
D2A U-Net: Automatic Segmentation of COVID-19 Lesions from CT Slices with Dilated Convolution and Dual Attention MechanismCode1
DAE-Net: Deforming Auto-Encoder for fine-grained shape co-segmentationCode1
DASpeech: Directed Acyclic Transformer for Fast and High-quality Speech-to-Speech TranslationCode1
CV 3315 Is All You Need : Semantic Segmentation CompetitionCode1
Custom Structure Preservation in Face AgingCode1
CycleFormer : TSP Solver Based on Language ModelingCode1
3D Hand Shape and Pose from Images in the WildCode1
ADMM-DAD net: a deep unfolding network for analysis compressed sensingCode1
Show:102550
← PrevPage 14 of 208Next →

No leaderboard results yet.