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 19011950 of 10368 papers

TitleStatusHype
ASTRA: An Action Spotting TRAnsformer for Soccer VideosCode1
DnSwin: Toward Real-World Denoising via Continuous Wavelet Sliding-TransformerCode1
Nonparametric Decoding for Generative RetrievalCode1
Action Quality Assessment with Temporal Parsing TransformerCode1
Deep Instruction Tuning for Segment Anything ModelCode1
ConTextual Masked Auto-Encoder for Dense Passage RetrievalCode1
A Hierarchical Latent Vector Model for Learning Long-Term Structure in MusicCode1
Document Image Shadow Removal Guided by Color-Aware BackgroundCode1
All Word Embeddings from One EmbeddingCode1
Audio-Visual Floorplan ReconstructionCode1
Deep Joint Source Channel Coding for WirelessImage Transmission with OFDMCode1
Representation Learning for Visual Object Tracking by Masked Appearance TransferCode1
Representing Topological Self-Similarity Using Fractal Feature Maps for Accurate Segmentation of Tubular StructuresCode1
RESA: Recurrent Feature-Shift Aggregator for Lane DetectionCode1
dMel: Speech Tokenization made SimpleCode1
Convolutional Social Pooling for Vehicle Trajectory PredictionCode1
Adaptive Graph Auto-Encoder for General Data ClusteringCode1
Rethinking BiSeNet For Real-time Semantic SegmentationCode1
DLA-Net: Learning Dual Local Attention Features for Semantic Segmentation of Large-Scale Building Facade Point CloudsCode1
Rethinking Image-based Table Recognition Using Weakly Supervised MethodsCode1
GRIT: Generative Role-filler Transformers for Document-level Event Entity ExtractionCode1
Diverse, Controllable, and Keyphrase-Aware: A Corpus and Method for News Multi-Headline GenerationCode1
Rethinking Tokenizer and Decoder in Masked Graph Modeling for MoleculesCode1
Rethinking Video Tokenization: A Conditioned Diffusion-based ApproachCode1
Diverse Text Generation via Variational Encoder-Decoder Models with Gaussian Process PriorsCode1
Retriever: Learning Content-Style Representation as a Token-Level Bipartite GraphCode1
Contrast and Generation Make BART a Good Dialogue Emotion RecognizerCode1
CONTRASTE: Supervised Contrastive Pre-training With Aspect-based Prompts For Aspect Sentiment Triplet ExtractionCode1
Reuse and Diffuse: Iterative Denoising for Text-to-Video GenerationCode1
Distributional Principal AutoencodersCode1
Audio Captioning TransformerCode1
Contrastive Masked Autoencoders are Stronger Vision LearnersCode1
Contrastive Masked Autoencoders for Self-Supervised Video HashingCode1
RFL: Simplifying Chemical Structure Recognition with Ring-Free LanguageCode1
DITTO: Dual and Integrated Latent Topologies for Implicit 3D ReconstructionCode1
Diversifying Dialog Generation via Adaptive Label SmoothingCode1
A Symmetric Dual Encoding Dense Retrieval Framework for Knowledge-Intensive Visual Question AnsweringCode1
Contrastive Representation Learning for Exemplar-Guided Paraphrase GenerationCode1
RM-Depth: Unsupervised Learning of Recurrent Monocular Depth in Dynamic ScenesCode1
R-MNet: A Perceptual Adversarial Network for Image InpaintingCode1
Contrast with Reconstruct: Contrastive 3D Representation Learning Guided by Generative PretrainingCode1
Control Globally, Understand Locally: A Global-to-Local Hierarchical Graph Network for Emotional Support ConversationCode1
Dissecting Generation Modes for Abstractive Summarization Models via Ablation and AttributionCode1
Controllable Data Augmentation Through Deep RelightingCode1
AdaBins: Depth Estimation using Adaptive BinsCode1
Robust Double-Encoder Network for RGB-D Panoptic SegmentationCode1
A Syntax-Guided Edit Decoder for Neural Program RepairCode1
Robust Multi-bit Text Watermark with LLM-based ParaphrasersCode1
A hybrid Decoder-DeepONet operator regression framework for unaligned observation dataCode1
Disentangled Variational Autoencoder based Multi-Label Classification with Covariance-Aware Multivariate Probit ModelCode1
Show:102550
← PrevPage 39 of 208Next →

No leaderboard results yet.