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 701750 of 10368 papers

TitleStatusHype
On the Multilingual Ability of Decoder-based Pre-trained Language Models: Finding and Controlling Language-Specific NeuronsCode1
WcDT: World-centric Diffusion Transformer for Traffic Scene GenerationCode1
ASTRA: An Action Spotting TRAnsformer for Soccer VideosCode1
Disentangled Pre-training for Human-Object Interaction DetectionCode1
RSAFormer: A method of polyp segmentation with region self-attention transformerCode1
PDF: A Probability-Driven Framework for Open World 3D Point Cloud Semantic SegmentationCode1
Perceptogram: Reconstructing Visual Percepts from EEGCode1
Deep Instruction Tuning for Segment Anything ModelCode1
Generative Retrieval as Multi-Vector Dense RetrievalCode1
CoherentGS: Sparse Novel View Synthesis with Coherent 3D GaussiansCode1
GeNet: A Graph Neural Network-based Anti-noise Task-Oriented Semantic Communication ParadigmCode1
Every Shot Counts: Using Exemplars for Repetition Counting in VideosCode1
Enriching Word Usage Graphs with Cluster DefinitionsCode1
Residual Dense Swin Transformer for Continuous Depth-Independent Ultrasound ImagingCode1
ToXCL: A Unified Framework for Toxic Speech Detection and ExplanationCode1
BSNet: Box-Supervised Simulation-assisted Mean Teacher for 3D Instance SegmentationCode1
Towards auditory attention decoding with noise-tagging: A pilot studyCode1
Meta-Point Learning and Refining for Category-Agnostic Pose EstimationCode1
DeblurDiNAT: A Compact Model with Exceptional Generalization and Visual Fidelity on Unseen DomainsCode1
CLIP-VIS: Adapting CLIP for Open-Vocabulary Video Instance SegmentationCode1
Human Mesh Recovery from Arbitrary Multi-view ImagesCode1
Adaptive Semantic-Enhanced Denoising Diffusion Probabilistic Model for Remote Sensing Image Super-ResolutionCode1
T4P: Test-Time Training of Trajectory Prediction via Masked Autoencoder and Actor-specific Token MemoryCode1
SwinMTL: A Shared Architecture for Simultaneous Depth Estimation and Semantic Segmentation from Monocular Camera ImagesCode1
SimPB: A Single Model for 2D and 3D Object Detection from Multiple CamerasCode1
Transformers Get Stable: An End-to-End Signal Propagation Theory for Language ModelsCode1
SketchINR: A First Look into Sketches as Implicit Neural RepresentationsCode1
WSI-SAM: Multi-resolution Segment Anything Model (SAM) for histopathology whole-slide imagesCode1
CAMSIC: Content-aware Masked Image Modeling Transformer for Stereo Image CompressionCode1
FSC: Few-point Shape CompletionCode1
MinkUNeXt: Point Cloud-based Large-scale Place Recognition using 3D Sparse ConvolutionsCode1
3M-Diffusion: Latent Multi-Modal Diffusion for Language-Guided Molecular Structure GenerationCode1
Style Blind Domain Generalized Semantic Segmentation via Covariance Alignment and Semantic Consistence Contrastive LearningCode1
Binaural Speech Enhancement Using Deep Complex Convolutional Transformer NetworksCode1
DITTO: Dual and Integrated Latent Topologies for Implicit 3D ReconstructionCode1
Can we obtain significant success in RST discourse parsing by using Large Language Models?Code1
Unity by Diversity: Improved Representation Learning in Multimodal VAEsCode1
LORS: Low-rank Residual Structure for Parameter-Efficient Network StackingCode1
Task Indicating Transformer for Task-conditional Dense PredictionsCode1
Automated segmentation of lesions and organs at risk on [68Ga]Ga-PSMA-11 PET/CT images using self-supervised learning with Swin UNETRCode1
Multi-Fidelity Residual Neural Processes for Scalable Surrogate ModelingCode1
TEncDM: Understanding the Properties of the Diffusion Model in the Space of Language Model EncodingsCode1
A SAM-guided Two-stream Lightweight Model for Anomaly DetectionCode1
Multi-objective Differentiable Neural Architecture SearchCode1
FedLPPA: Learning Personalized Prompt and Aggregation for Federated Weakly-supervised Medical Image SegmentationCode1
Lane2Seq: Towards Unified Lane Detection via Sequence GenerationCode1
MISC: Ultra-low Bitrate Image Semantic Compression Driven by Large Multimodal ModelCode1
TMT: Tri-Modal Translation between Speech, Image, and Text by Processing Different Modalities as Different LanguagesCode1
Say More with Less: Understanding Prompt Learning Behaviors through Gist CompressionCode1
ListT5: Listwise Reranking with Fusion-in-Decoder Improves Zero-shot RetrievalCode1
Show:102550
← PrevPage 15 of 208Next →

No leaderboard results yet.