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 19512000 of 10368 papers

TitleStatusHype
Domain Generalization by Learning and Removing Domain-specific FeaturesCode1
Controllable Video Captioning with an Exemplar SentenceCode1
Deep Neural Networks for Relation ExtractionCode1
SAPA: Similarity-Aware Point Affiliation for Feature UpsamplingCode1
Deep Multimodal Neural Architecture SearchCode1
Say More with Less: Understanding Prompt Learning Behaviors through Gist CompressionCode1
CrackFormer: Transformer Network for Fine-Grained Crack DetectionCode1
Adaptive Graph Auto-Encoder for General Data ClusteringCode1
Domain and Content Adaptive Convolution based Multi-Source Domain Generalization for Medical Image SegmentationCode1
Domain Generalization for Vision-based Driving Trajectory GenerationCode1
Do Vision Foundation Models Enhance Domain Generalization in Medical Image Segmentation?Code1
Document-Level Neural Machine Translation with Hierarchical Attention NetworksCode1
Do End-to-end Stereo Algorithms Under-utilize Information?Code1
SC-GlowTTS: an Efficient Zero-Shot Multi-Speaker Text-To-Speech ModelCode1
A Tensorized Transformer for Language ModelingCode1
ScorePerformer: Expressive Piano Performance Rendering With Fine-Grained ControlCode1
GRIT: Generative Role-filler Transformers for Document-level Event Entity ExtractionCode1
Audio Captioning TransformerCode1
Document-level Event Extraction via Parallel Prediction NetworksCode1
Converting Anyone's Emotion: Towards Speaker-Independent Emotional Voice ConversionCode1
Does Multi-Encoder Help? A Case Study on Context-Aware Neural Machine TranslationCode1
Consecutive Decoding for Speech-to-text TranslationCode1
DocEnTr: An End-to-End Document Image Enhancement TransformerCode1
Convolutional Cross-View Pose EstimationCode1
DnSwin: Toward Real-World Denoising via Continuous Wavelet Sliding-TransformerCode1
SED: A Simple Encoder-Decoder for Open-Vocabulary Semantic SegmentationCode1
Seen and Unseen emotional style transfer for voice conversion with a new emotional speech datasetCode1
SegDiff: Image Segmentation with Diffusion Probabilistic ModelsCode1
Convolutional Sequence to Sequence LearningCode1
SegFormer: Simple and Efficient Design for Semantic Segmentation with TransformersCode1
DocFormerv2: Local Features for Document UnderstandingCode1
CAMS: Convolution and Attention-Free Mamba-based Cardiac Image SegmentationCode1
ConvTransformer: A Convolutional Transformer Network for Video Frame SynthesisCode1
AtlantaNet: Inferring the 3D Indoor Layout from a Single 360(∘) Image beyond the Manhattan World AssumptionCode1
Simplified Action Decoder for Deep Multi-Agent Reinforcement LearningCode1
SeizureTransformer: Scaling U-Net with Transformer for Simultaneous Time-Step Level Seizure Detection from Long EEG RecordingsCode1
Self-Distilled Masked Auto-Encoders are Efficient Video Anomaly DetectorsCode1
Cooperative Policy Learning with Pre-trained Heterogeneous Observation RepresentationsCode1
Self-Prompting Large Vision Models for Few-Shot Medical Image SegmentationCode1
A Two-Stage Masked Autoencoder Based Network for Indoor Depth CompletionCode1
A Top-Down Neural Architecture towards Text-Level Parsing of Discourse Rhetorical StructureCode1
CoReNet: Coherent 3D scene reconstruction from a single RGB imageCode1
AIR-Nets: An Attention-Based Framework for Locally Conditioned Implicit RepresentationsCode1
Self-Supervised Multi-Frame Monocular Scene FlowCode1
3D-OAE: Occlusion Auto-Encoders for Self-Supervised Learning on Point CloudsCode1
Self-Supervised Video Hashing via Bidirectional TransformersCode1
Self-Validation: Early Stopping for Single-Instance Deep Generative PriorsCode1
Correlation-aware Deep Generative Model for Unsupervised Anomaly DetectionCode1
Cross Attention Augmented Transducer Networks for Simultaneous TranslationCode1
Document Image Shadow Removal Guided by Color-Aware BackgroundCode1
Show:102550
← PrevPage 40 of 208Next →

No leaderboard results yet.