Accélérer l'IA pour la perception intelligente en habitacle.
OpenCabin Studio livre des jeux de données synthétiques d'habitacle variés, contrôlables et conformes RGPD, pour accélérer le développement et la validation de l'IA sans les contraintes de la collecte terrain.
PLATFORM_RENDER_3D
Soutenu par
Le problème
- La collecte de données réelles est coûteuse et lente, verrouillée par des montages complexes de véhicules, capteurs et participants.
- L'annotation manuelle exige une expertise métier, mobilise des ressources lourdes et retarde les livraisons.
- La couverture reste étroite et déséquilibrée. Les scénarios rares, dangereux ou extrêmes sont quasi impossibles à capturer.
- Les données biométriques et faciales soulèvent des risques sérieux de conformité RGPD et de protection de la vie privée.
- La diversité démographique, des intérieurs de véhicule et des comportements est difficile et coûteuse à obtenir en réel.
Notre approche
- Donnée synthétique générée à grande échelle par OpenCabin Studio, avec rendu GPU parallèle et pipelines d'animation automatiques sur avatars et habitacles variés.
- Pipeline d'annotation automatique couvrant keypoints 2D/3D, bboxes, segmentation, regard et pose de tête, exporté aux formats standard de la vision par ordinateur.
- Variations de scènes illimitées, incluant les cas critiques de sécurité (posture inclinée, pieds sur le tableau de bord, bras tendus vers les sièges arrière).
- Avatars entièrement synthétiques, aucun visage réel, aucune donnée biométrique, aucune gestion de consentement requise.
- Avatars paramétriques couvrant ethnicités, âges, morphologies et tenues, combinés à de multiples intérieurs de véhicules et configurations de capteurs.
Ce que nous livrons
Du capteur brut aux annotations prêtes à entraîner.
Annotations standard, cas extrêmes, configurations multi-capteurs et sorties personnalisées — tout est généré par OpenCabin Studio, livré dans les formats attendus par votre pipeline.
Applications supportées
La perception cabine, sans angle mort.
Onze briques prêtes à entraîner sur la donnée synthétique annotée d'OpenCabin Studio.
Analyse des expressions faciales
Identification de l'utilisateur
Détection de l'état des occupants
Détection de posture 2D / 3D
Reconstruction de la posture corporelle
Détection d'activité
Reconnaissance gestuelle
Détection du port de la ceinture
Détection main-objet
Détection de siège enfant
Capture de mouvement en cabine
Et plus encore
Démos
Du moteur d'animation aux modèles déployés.
OpenCabin Studio en action : comment nous générons, mettons à l'échelle et validons la donnée synthétique en cabine, de bout en bout.
01Adaptation posturale
Une animation. Une infinité de variations.
Le moteur d'animation d'OpenCabin Studio retargete une posture de référence unique sur des morphologies, démographies et géométries d'habitacle variées. Contraintes physiques respectées à chaque image.
02Sim-to-real transfer
Entraînés en synthétique. Validés en réel.
Des modèles de deep learning entraînés exclusivement sur la donnée synthétique OpenCabin Studio, puis testés sur du footage réel. Sans marqueurs, sans équipement, juste une caméra 2D.
- Reconstruction de pose corps complet sans marqueurs, à partir d'entrées caméra 2D temps réel, sous contraintes cinématiques.
- Les captures réelles alimentent en retour la bibliothèque d'animations, pour une génération synthétique toujours plus riche.
- Un cercle vertueux : meilleure capture réelle, animations plus riches, données de meilleure qualité, modèles plus performants.
FAQ
Questions courantes des équipes de recherche.
À propos de MoniPost
MoniPost est une startup DeepTech issue de l'Université Gustave Eiffel, lancée en mars 2025 et soutenue par Bpifrance. Nous concevons l'infrastructure de données synthétiques qui aide les équipementiers et constructeurs automobiles à développer des IA embarquées plus sûres et plus intelligentes, plus rapidement et sans les limites de la collecte terrain. Nous développons également des applications prêtes à l'emploi qui exploitent nos jeux de données pour offrir aux chercheurs une lecture plus fine du comportement du conducteur et des activités en cabine.
Développer des systèmes performants de monitoring d'habitacle (IMS) exige des jeux de données vastes, diversifiés et précisément annotés. La collecte de données réelles est coûteuse, lente, sensible aux enjeux de confidentialité et impossible à mettre à l'échelle. MoniPost lève ces verrous en fournissant des données synthétiques photoréalistes, entièrement annotées, conformes à la vie privée et générées à grande échelle à la demande.
MoniPost a été fondée en partenariat avec l'Université Gustave Eiffel et est soutenue par Bpifrance dans le cadre de son programme DeepTech. Ces partenariats ancrent notre travail dans une recherche académique rigoureuse tout en accélérant notre mise sur le marché.
OpenCabin Studio
OpenCabin Studio est notre plateforme de bout en bout de données synthétiques pour la vision IA en habitacle. Elle couvre toute la chaîne : création d'assets 3D (avatars, véhicules, environnements), animation, simulation multi-capteurs, rendu physique, annotation automatique et export structuré des jeux de données, le tout dans un workflow intégré.
Nous prenons en charge les caméras RGB, NIR (proche infrarouge), TOF (profondeur) et RGBD, avec des modèles d'objectifs pin-hole et fisheye. Positions, intrinsèques, résolution, FPS et paramètres de distorsion sont entièrement configurables, et les configurations multi-capteurs synchronisées sont supportées nativement.
Oui, c'est l'une de nos forces majeures. Nous simulons avec précision des cas limites quasiment impossibles à capturer en réel : corps du conducteur très proche des composants intérieurs, postures inclinées, passagers les pieds sur le tableau de bord, ou conducteur attrapant un objet sur les sièges arrière. Les modèles d'IA échouent sur ce qu'ils n'ont pas vu, nous nous assurons qu'ils ont tout vu.
Données, annotations & conformité
Notre pipeline d'annotation automatique produit des keypoints 2D/3D, des bounding boxes, de la segmentation d'instance, des cartes de profondeur, des normales de surface, la direction du regard, l'orientation de la tête et la pose corporelle. Les sorties sont disponibles en COCO, KITTI, H36M, SMPL/SMPL-X, Drive&Act et schémas personnalisés, structurées et prêtes à l'export pour une utilisation immédiate dans les workflows d'entraînement et de validation.
Entièrement. Toutes les données sont générées synthétiquement, aucun visage réel, aucune information biométrique, aucune problématique de consentement ou de conservation. Les données OpenCabin sont conformes au RGPD par nature et utilisables en toute sécurité sur l'ensemble des marchés et environnements réglementaires.
Nos clients principaux sont les constructeurs automobiles (OEM) et les équipementiers Tier-1 qui développent des systèmes de monitoring conducteur (DMS) et de monitoring des occupants (OMS). Nous accompagnons également les chercheurs académiques et les équipes IA travaillant sur la perception en habitacle, l'estimation de pose humaine et les systèmes de sécurité véhicule.
Contactez-nous à contact@monipost.com. Nous discuterons de votre cas d'usage, de votre configuration capteurs, de vos besoins en annotations et en volume de données, et concevrons un plan de génération adapté à votre projet.















