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 91019150 of 10368 papers

TitleStatusHype
Neural Decoder for Topological Codes using Pseudo-Inverse of Parity Check Matrix0
SUMNet: Fully Convolutional Model for Fast Segmentation of Anatomical Structures in Ultrasound VolumesCode0
Spatial Broadcast Decoder: A Simple Architecture for Learning Disentangled Representations in VAEsCode0
Deep-Learning-based Millimeter-Wave Massive MIMO for Hybrid Precoding0
Design of Real-time Semantic Segmentation Decoder for Automated Driving0
Modeling Latent Sentence Structure in Neural Machine Translation0
Exploring Semi-supervised Variational Autoencoders for Biomedical Relation Extraction0
Learning Mutually Local-global U-nets For High-resolution Retinal Lesion Segmentation in Fundus Images0
Quadratic Autoencoder (Q-AE) for Low-dose CT DenoisingCode0
Multiple Sclerosis Lesion Synthesis in MRI using an encoder-decoder U-NETCode0
Cascade Decoder: A Universal Decoding Method for Biomedical Image Segmentation0
Global-to-local Memory Pointer Networks for Task-Oriented DialogueCode1
Deep Learning for Waveform Estimation and Imaging in Passive Radar0
Real-time Joint Object Detection and Semantic Segmentation Network for Automated Driving0
Self and turbo iterations for MIMO receivers and large-scale systems0
Preventing Posterior Collapse with delta-VAEs0
A Multi-Object Rectified Attention Network for Scene Text RecognitionCode0
Dirichlet Variational AutoencoderCode0
Multi-stream CNN based Video Semantic Segmentation for Automated Driving0
Autoencoders and Generative Adversarial Networks for Imbalanced Sequence ClassificationCode0
Blind Motion Deblurring with Cycle Generative Adversarial Networks0
Adaptive Density Estimation for Generative Models0
A Distance Map Regularized CNN for Cardiac Cine MR Image Segmentation0
Learning Graph Embedding with Adversarial Training Methods0
Edge-Semantic Learning Strategy for Layout Estimation in Indoor Environment0
Predicting Aircraft Trajectories: A Deep Generative Convolutional Recurrent Neural Networks ApproachCode0
Advancing Acoustic-to-Word CTC Model with Attention and Mixed-Units0
Deep Frame Prediction for Video Coding0
High Quality Monocular Depth Estimation via Transfer LearningCode1
High-performance Decoder for Convolutional Code with Deep Neural Network0
SMPLR: Deep SMPL reverse for 3D human pose and shape recovery0
Massively Multilingual Sentence Embeddings for Zero-Shot Cross-Lingual Transfer and BeyondCode1
Learning to Refine Source Representations for Neural Machine Translation0
A Bi-model based RNN Semantic Frame Parsing Model for Intent Detection and Slot FillingCode0
MMFNet: A Multi-modality MRI Fusion Network for Segmentation of Nasopharyngeal Carcinoma0
BCI decoder performance comparison of an LSTM recurrent neural network and a Kalman filter in retrospective simulation0
Non-Autoregressive Neural Machine Translation with Enhanced Decoder Input0
A Survey on Deep Learning for Named Entity RecognitionCode0
Can VAEs Generate Novel Examples?Code0
Turbo EP-based Equalization: a Filter-Type Implementation0
Adversarial Signal Denoising with Encoder-Decoder Networks0
A Noncoherent Space-Time Code from Quantum Error CorrectionCode0
From FiLM to Video: Multi-turn Question Answering with Multi-modal Context0
Multi-task learning to improve natural language understanding0
Learning Common Representation from RGB and Depth Images0
Variational Autoencoders Pursue PCA Directions (by Accident)0
PVSNet: Palm Vein Authentication Siamese Network Trained using Triplet Loss and Adaptive Hard Mining by Learning Enforced Domain Specific Features0
Conditional Graph Neural Processes: A Functional Autoencoder Approach0
Joint Entity Extraction and Assertion Detection for Clinical Text0
Synthesis of High-Quality Visible Faces from Polarimetric Thermal Faces using Generative Adversarial Networks0
Show:102550
← PrevPage 183 of 208Next →

No leaderboard results yet.