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 16511700 of 10368 papers

TitleStatusHype
Cross Attention Augmented Transducer Networks for Simultaneous TranslationCode1
Learning to Rewrite for Non-Autoregressive Neural Machine TranslationCode1
Less is More: Pretrain a Strong Siamese Encoder for Dense Text Retrieval Using a Weak DecoderCode1
Learning To Generate Piano Music With Sustain PedalsCode1
Gated Transformer for Robust De-noised Sequence-to-Sequence ModellingCode1
Revisiting joint decoding based multi-talker speech recognition with DNN acoustic modelCode1
Fully convolutional Siamese neural networks for buildings damage assessment from satellite imagesCode1
3D Object Tracking with TransformerCode1
Targeted Neural Dynamical ModelingCode1
An Arbitrary Scale Super-Resolution Approach for 3D MR Images via Implicit Neural RepresentationCode1
From Image to Imuge: Immunized Image GenerationCode1
Discovering Non-monotonic Autoregressive Orderings with Variational InferenceCode1
Controllable Data Augmentation Through Deep RelightingCode1
MisMatch: Calibrated Segmentation via Consistency on Differential Morphological Feature Perturbations with Limited LabelsCode1
Self-Validation: Early Stopping for Single-Instance Deep Generative PriorsCode1
AIR-Nets: An Attention-Based Framework for Locally Conditioned Implicit RepresentationsCode1
PlaneRecNet: Multi-Task Learning with Cross-Task Consistency for Piece-Wise Plane Detection and Reconstruction from a Single RGB ImageCode1
PriorVAE: Encoding spatial priors with VAEs for small-area estimationCode1
Cascaded Cross MLP-Mixer GANs for Cross-View Image TranslationCode1
3D-RETR: End-to-End Single and Multi-View 3D Reconstruction with TransformersCode1
Illiterate DALL-E Learns to ComposeCode1
DPC: Unsupervised Deep Point Correspondence via Cross and Self ConstructionCode1
ASFormer: Transformer for Action SegmentationCode1
EncT5: A Framework for Fine-tuning T5 as Non-autoregressive ModelsCode1
Towards Making the Most of Multilingual Pretraining for Zero-Shot Neural Machine TranslationCode1
PRIMERA: Pyramid-based Masked Sentence Pre-training for Multi-document SummarizationCode1
SpeechT5: Unified-Modal Encoder-Decoder Pre-Training for Spoken Language ProcessingCode1
The Deep Generative Decoder: MAP estimation of representations improves modeling of single-cell RNA dataCode1
ADMM-DAD net: a deep unfolding network for analysis compressed sensingCode1
Rescoring Sequence-to-Sequence Models for Text Line Recognition with CTC-PrefixesCode1
Crystal Diffusion Variational Autoencoder for Periodic Material GenerationCode1
K-Wav2vec 2.0: Automatic Speech Recognition based on Joint Decoding of Graphemes and SyllablesCode1
PASTE: A Tagging-Free Decoding Framework Using Pointer Networks for Aspect Sentiment Triplet ExtractionCode1
HydraSum: Disentangling Stylistic Features in Text Summarization using Multi-Decoder ModelsCode1
Virtual Multi-Modality Self-Supervised Foreground Matting for Human-Object InteractionCode1
Dense Gaussian Processes for Few-Shot SegmentationCode1
End-to-End Supermask Pruning: Learning to Prune Image Captioning ModelsCode1
Deep Reinforcement Learning for Solving the Heterogeneous Capacitated Vehicle Routing ProblemCode1
E1D3 U-Net for Brain Tumor Segmentation: Submission to the RSNA-ASNR-MICCAI BraTS 2021 ChallengeCode1
Late reverberation suppression using U-netsCode1
Double Encoder-Decoder Networks for Gastrointestinal Polyp SegmentationCode1
On the Complementarity between Pre-Training and Back-Translation for Neural Machine TranslationCode1
Deep Embedded K-Means ClusteringCode1
Deep Contextual Video CompressionCode1
BERT got a Date: Introducing Transformers to Temporal TaggingCode1
Redesigning the Transformer Architecture with Insights from Multi-particle Dynamical SystemsCode1
Gesture2Vec: Clustering Gestures using Representation Learning Methods for Co-speech Gesture GenerationCode1
Deep Spatio-Temporal Wind Power ForecastingCode1
Fixed Neural Network Steganography: Train the images, not the networkCode1
Target-Side Data Augmentation for Sequence GenerationCode1
Show:102550
← PrevPage 34 of 208Next →

No leaderboard results yet.