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 401450 of 10368 papers

TitleStatusHype
Rethinking Semantic Segmentation from a Sequence-to-Sequence Perspective with TransformersCode2
RetroMAE: Pre-Training Retrieval-oriented Language Models Via Masked Auto-EncoderCode2
Diffsound: Discrete Diffusion Model for Text-to-sound GenerationCode2
RodinHD: High-Fidelity 3D Avatar Generation with Diffusion ModelsCode2
DETRPose: Real-time end-to-end transformer model for multi-person pose estimationCode2
DETR Doesn't Need Multi-Scale or Locality DesignCode2
Detection Transformer with Stable MatchingCode2
DETR Does Not Need Multi-Scale or Locality DesignCode2
Scaling Down, LiTting Up: Efficient Zero-Shot Listwise Reranking with Seq2seq Encoder-Decoder ModelsCode2
DiffTF++: 3D-aware Diffusion Transformer for Large-Vocabulary 3D GenerationCode2
CMGAN: Conformer-Based Metric-GAN for Monaural Speech EnhancementCode2
DeepSolo++: Let Transformer Decoder with Explicit Points Solo for Multilingual Text SpottingCode2
CM-GAN: Image Inpainting with Cascaded Modulation GAN and Object-Aware TrainingCode2
CMGAN: Conformer-based Metric GAN for Speech EnhancementCode2
DeepSolo: Let Transformer Decoder with Explicit Points Solo for Text SpottingCode2
DeepInteraction: 3D Object Detection via Modality InteractionCode2
An efficient encoder-decoder architecture with top-down attention for speech separationCode2
DatasetDM: Synthesizing Data with Perception Annotations Using Diffusion ModelsCode2
AlexaTM 20B: Few-Shot Learning Using a Large-Scale Multilingual Seq2Seq ModelCode2
Semantic Image Synthesis via Diffusion ModelsCode2
SONAR: Sentence-Level Multimodal and Language-Agnostic RepresentationsCode2
Seq vs Seq: An Open Suite of Paired Encoders and DecodersCode2
Simplifying Transformer BlocksCode2
Simul-Whisper: Attention-Guided Streaming Whisper with Truncation DetectionCode2
Single-Stage Diffusion NeRF: A Unified Approach to 3D Generation and ReconstructionCode2
Sinkhorn Distance Minimization for Knowledge DistillationCode2
An Autoregressive Text-to-Graph Framework for Joint Entity and Relation ExtractionCode2
Customized Segment Anything Model for Medical Image SegmentationCode2
RESDSQL: Decoupling Schema Linking and Skeleton Parsing for Text-to-SQLCode2
SpaceByte: Towards Deleting Tokenization from Large Language ModelingCode2
radarODE: An ODE-Embedded Deep Learning Model for Contactless ECG Reconstruction from Millimeter-Wave RadarCode2
ConDSeg: A General Medical Image Segmentation Framework via Contrast-Driven Feature EnhancementCode2
SQLNet: Generating Structured Queries From Natural Language Without Reinforcement LearningCode2
SRFormer: Text Detection Transformer with Incorporated Segmentation and RegressionCode2
DiffusionDepth: Diffusion Denoising Approach for Monocular Depth EstimationCode2
StyleTalk: One-shot Talking Head Generation with Controllable Speaking StylesCode2
SUBLLM: A Novel Efficient Architecture with Token Sequence Subsampling for LLMCode2
Very high resolution canopy height maps from RGB imagery using self-supervised vision transformer and convolutional decoder trained on Aerial LidarCode2
Extreme Video Compression with Pre-trained Diffusion ModelsCode2
Improving Opus Low Bit Rate Quality with Neural Speech SynthesisCode2
Text2midi: Generating Symbolic Music from CaptionsCode2
Text-IF: Leveraging Semantic Text Guidance for Degradation-Aware and Interactive Image FusionCode2
PosSAM: Panoptic Open-vocabulary Segment AnythingCode2
Context Autoencoder for Self-Supervised Representation LearningCode2
Tokenize Anything via PromptingCode2
TokenSynth: A Token-based Neural Synthesizer for Instrument Cloning and Text-to-InstrumentCode2
Transfer CLIP for Generalizable Image DenoisingCode2
Transformer based Pluralistic Image Completion with Reduced Information LossCode2
Transformers are Multi-State RNNsCode2
Cross-Modal Translation and Alignment for Survival AnalysisCode1
Show:102550
← PrevPage 9 of 208Next →

No leaderboard results yet.