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 20012050 of 10368 papers

TitleStatusHype
Semi-Supervised Semantic Segmentation with Cross-Consistency TrainingCode1
SemiVL: Semi-Supervised Semantic Segmentation with Vision-Language GuidanceCode1
Sentence Bottleneck Autoencoders from Transformer Language ModelsCode1
Cost Aggregation Is All You Need for Few-Shot SegmentationCode1
Cost Aggregation with 4D Convolutional Swin Transformer for Few-Shot SegmentationCode1
Simplified Action Decoder for Deep Multi-Agent Reinforcement LearningCode1
CoTexT: Multi-task Learning with Code-Text TransformerCode1
CoT-ICL Lab: A Petri Dish for Studying Chain-of-Thought Learning from In-Context DemonstrationsCode1
A Two-Stage Masked Autoencoder Based Network for Indoor Depth CompletionCode1
COTR: Compact Occupancy TRansformer for Vision-based 3D Occupancy PredictionCode1
CryoAI: Amortized Inference of Poses for Ab Initio Reconstruction of 3D Molecular Volumes from Real Cryo-EM ImagesCode1
Sequence-to-Sequence Contrastive Learning for Text RecognitionCode1
DRANet: Disentangling Representation and Adaptation Networks for Unsupervised Cross-Domain AdaptationCode1
Sequential vessel segmentation via deep channel attention networkCode1
DS-TransUNet:Dual Swin Transformer U-Net for Medical Image SegmentationCode1
Dual Transfer Learning for Event-based End-task Prediction via Pluggable Event to Image TranslationCode1
A Tree-Structured Decoder for Image-to-Markup GenerationCode1
SFA-Net: Semantic Feature Adjustment Network for Remote Sensing Image SegmentationCode1
Shallow Recurrent Decoder for Reduced Order Modeling of Plasma DynamicsCode1
Shape2.5D: A Dataset of Texture-less Surfaces for Depth and Normals EstimationCode1
Short Text Topic Modeling with Topic Distribution Quantization and Negative Sampling DecoderCode1
Show, Attend and Read: A Simple and Strong Baseline for Irregular Text RecognitionCode1
CPM-2: Large-scale Cost-effective Pre-trained Language ModelsCode1
Adapting LLaMA Decoder to Vision TransformerCode1
Emotion-Aware Transformer Encoder for Empathetic Dialogue GenerationCode1
CPT: A Pre-Trained Unbalanced Transformer for Both Chinese Language Understanding and GenerationCode1
Alleviating Exposure Bias via Contrastive Learning for Abstractive Text SummarizationCode1
Simpler is Better: Few-shot Semantic Segmentation with Classifier Weight TransformerCode1
A Two-Stage Cascade Model with Variational Autoencoders and Attention Gates for MRI Brain Tumor SegmentationCode1
Doodle Your 3D: From Abstract Freehand Sketches to Precise 3D ShapesCode1
Alleviating Distortion Accumulation in Multi-Hop Semantic CommunicationCode1
DeltaNet:Conditional Medical Report Generation for COVID-19 DiagnosisCode1
Attribution Analysis Meets Model Editing: Advancing Knowledge Correction in Vision Language Models with VisEditCode1
Domain Generalization for Vision-based Driving Trajectory GenerationCode1
CR-GAN: Learning Complete Representations for Multi-view GenerationCode1
CRIS: CLIP-Driven Referring Image SegmentationCode1
Double Domain Guided Real-Time Low-Light Image Enhancement for Ultra-High-Definition Transportation SurveillanceCode1
SketchINR: A First Look into Sketches as Implicit Neural RepresentationsCode1
Few-Shot Domain Adaptation For End-to-End CommunicationCode1
Cross Attention Augmented Transducer Networks for Simultaneous TranslationCode1
Does Multi-Encoder Help? A Case Study on Context-Aware Neural Machine TranslationCode1
Cross-Attention of Disentangled Modalities for 3D Human Mesh Recovery with TransformersCode1
Small Lesion Segmentation in Brain MRIs with Subpixel EmbeddingCode1
Domain and Content Adaptive Convolution based Multi-Source Domain Generalization for Medical Image SegmentationCode1
SOAP: Vision-Centric 3D Semantic Scene Completion with Scene-Adaptive Decoder and Occluded Region-Aware View ProjectionCode1
SOAR: Scene-debiasing Open-set Action RecognitionCode1
Cross-Modal Translation and Alignment for Survival AnalysisCode1
Do End-to-end Stereo Algorithms Under-utilize Information?Code1
Domain Generalization by Learning and Removing Domain-specific FeaturesCode1
Double Encoder-Decoder Networks for Gastrointestinal Polyp SegmentationCode1
Show:102550
← PrevPage 41 of 208Next →

No leaderboard results yet.