Zum Inhalt springen

VGGT-1B

Integrieren

Modell-ID vggt-1b
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/vggt-1b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{}'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Bis zu 1,755 $ pro Ausführung Nach tatsächlicher Nutzung abgerechnet, der Rest wird erstattet Auf dieser Seite ausführen

API-Schlüssel abrufen
Meta Vision

Rekonstruiert eine 3D-Szene aus bis zu 48 Bildern oder einem Video und gibt Tiefenkarten, Kameraposen und eine Punktwolke zurück

Meta · Daten (JSON)

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

Erweitert images · video · alpha_blend_onto · array_encoding · frame_sampling_rate · confidence_percentile · max_points · export_prediction_data · export_depth_maps · export_point_cloud · enable_safety_checker · exclude_keys
image_urls
Datei ablegen oder · bis zu 48

Quellbilder für die Rekonstruktion, jeweils quadratisch aufgefüllt und auf eine längste Dimension von 518 Pixeln skaliert. JPEG, PNG, WEBP und jedes weitere von Pillow dekodierbare Bildformat werden akzeptiert.

video_url
Datei ablegen oder

Optionales Quellvideo, dessen abgetastete Frames im kombinierten Eingabe auf image_urls folgen. Die Abtastung verwendet jeden `frame_sampling_rate`-ten Frame und schließt immer den ersten und letzten Frame ein.

alpha_blend_onto Standard white

Die Behandlung des Alphakanals bietet vier Optionen: 'keep' entfernt Alpha, ohne die ursprünglichen Pixelwerte zu ändern; 'mean' legt das Bild über den ImageNet-Mittelwert für RGB. Für einen einfarbigen Hintergrund wählen Sie 'white' oder 'black', um das Bild mit der entsprechenden Farbe zu kombinieren.

array_encoding Standard base64

Array-Speicherformat für Vorhersage-JSON-Dateien, wobei 'list' deutlich mehr Speicherplatz benötigt als 'base64'. Wählen Sie 'list' für verschachtelte JSON-Listen oder 'base64' für Objekte mit {data, shape, dtype}.

Standard 24

Frame-Intervall, das nur angewendet wird, wenn ein Video über `video_url` bereitgestellt wird; andernfalls hat es keine Wirkung. Beide Rand-Frames bleiben unabhängig vom Intervall erhalten, dazwischen wird jeder n-te Frame abgetastet.

Standard 50

Konfidenzbasiertes Filterungsprozent für die Erstellung der Punktwolke: 0 deaktiviert die Filterung, andere Werte schließen diesen Prozentsatz an Punkten aus, beginnend mit den Punkten mit der geringsten Konfidenz.

Standard 250000

GLB-Obergrenze für die Punktanzahl, standardmäßig 250,000. Um Serialisierungs- und Upload-Latenz zu reduzieren, wird eine gleichmäßig unterabgetastete Auswahl geschrieben, wenn die Wolke dieses Budget überschreitet.

Schlüssel, die aus jeder Vorhersage-JSON-Datei ausgeschlossen werden.

POST /run/vggt-1b?wait=20 Preis → 1,755 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/vggt-1b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{}'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über VGGT-1B

Schätzt die Geometrie aus mehreren Ansichten. Übergeben Sie bis zu 48 Bilder in `image_urls` und optional ein `video_url`, das alle `frame_sampling_rate` Frames abgetastet wird. Zurückgegeben werden Tiefenkarten pro Frame, externe und interne Kameraparameter, Rohdateien der Vorhersage sowie eine GLB-Punktwolke mit Kamerakegeln. `confidence_percentile` und `max_points` steuern die Dichte der Punktwolke.

Parameter

Sende entweder den kanonischen Namen oder den nativen Namen, nicht beide. Kanonische Namen

NameTyp StandardZulässig Beschreibung
image_urlsoptional images
Typurl[] · image
≤ 48 Elemente
Quellbilder für die Rekonstruktion, jeweils quadratisch aufgefüllt und auf eine längste Dimension von 518 Pixeln skaliert. JPEG, PNG, WEBP und jedes weitere von Pillow dekodierbare Bildformat werden akzeptiert.
video_urloptional video
Typurl · video
Optionales Quellvideo, dessen abgetastete Frames im kombinierten Eingabe auf image_urls folgen. Die Abtastung verwendet jeden `frame_sampling_rate`-ten Frame und schließt immer den ersten und letzten Frame ein.
frame_sampling_rateoptional
Typinteger
Standard24
1 – 1.000
Frame-Intervall, das nur angewendet wird, wenn ein Video über `video_url` bereitgestellt wird; andernfalls hat es keine Wirkung. Beide Rand-Frames bleiben unabhängig vom Intervall erhalten, dazwischen wird jeder n-te Frame abgetastet.
alpha_blend_ontooptional
Typenum
Standardwhite
keepwhiteblackmean
Die Behandlung des Alphakanals bietet vier Optionen: 'keep' entfernt Alpha, ohne die ursprünglichen Pixelwerte zu ändern; 'mean' legt das Bild über den ImageNet-Mittelwert für RGB. Für einen einfarbigen Hintergrund wählen Sie 'white' oder 'black', um das Bild mit der entsprechenden Farbe zu kombinieren.
export_prediction_dataoptional
Typboolean
Standardtrue
Rohe Vorhersagen als separate JSON-Dateien für einzelne Frames exportieren. Jede Datei enthält Tiefe und deren Konfidenz, eine Maske sowie die codierte Kamerapose.
export_depth_mapsoptional
Typboolean
Standardtrue
Tiefenraster mit einer linearen Abbildung von `depth_range` auf Pixelwerte von 0–65535 exportieren. Jeder Frame erhält ein separates Graustufen-PNG mit 16-Bit-Präzision.
export_point_cloudoptional
Typboolean
Standardtrue
Die zusammengeführte farbige Punktwolke im GLB-Format exportieren; geschätzte Kameras werden dabei durch einzelne Kegelmeshes in der Szene dargestellt.
array_encodingoptional
Typenum
Standardbase64
base64list
Array-Speicherformat für Vorhersage-JSON-Dateien, wobei 'list' deutlich mehr Speicherplatz benötigt als 'base64'. Wählen Sie 'list' für verschachtelte JSON-Listen oder 'base64' für Objekte mit {data, shape, dtype}.
exclude_keysoptional
Typenum[]
Schlüssel, die aus jeder Vorhersage-JSON-Datei ausgeschlossen werden.
confidence_percentileoptional
Typnumber
Standard50
0 – 100
Konfidenzbasiertes Filterungsprozent für die Erstellung der Punktwolke: 0 deaktiviert die Filterung, andere Werte schließen diesen Prozentsatz an Punkten aus, beginnend mit den Punkten mit der geringsten Konfidenz.
max_pointsoptional
Typinteger
Standard250000
1.000 – 5.000.000
GLB-Obergrenze für die Punktanzahl, standardmäßig 250,000. Um Serialisierungs- und Upload-Latenz zu reduzieren, wird eine gleichmäßig unterabgetastete Auswahl geschrieben, wenn die Wolke dieses Budget überschreitet.
enable_safety_checkeroptional
Typboolean
Standardtrue
Umschalter für Sicherheitsprüfungen von Eingabebildern und -videos.
erforderlich Kanonischer Name, ebenfalls akzeptiert

Dateiparameter akzeptieren eine öffentliche https://-URL, eine data:-URI bis 10 MB oder die file_url eines Uploads. Dateien

Ausgabe

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "vggt-1b",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 1755,
    "usd": "1.755",
    "charged": 1755,
    "refunded": 0
  },
  "input": {},
  "output": {
    "point_cloud": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "depth_maps": [
      {
        "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
        "content_type": "image/jpeg",
        "file_name": "0-output.jpeg",
        "file_size": 1843200,
        "width": 1024,
        "height": 768
      }
    ],
    "prediction_data": [
      {
        "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
        "content_type": "image/jpeg",
        "file_name": "0-output.jpeg",
        "file_size": 1843200
      }
    ],
    "num_frames": 1,
    "depth_range": [
      1.0
    ],
    "extrinsics": [
      [
        [
          1.0
        ]
      ]
    ],
    "intrinsics": [
      [
        [
          1.0
        ]
      ]
    ],
    "timings": {}
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
point_cloud
object {url, content_type, file_name, file_size} | nullPunktwolkenexport, der zurückgegeben wird, wenn `export_point_cloud` true ist; seine GLB-Szene kombiniert die zusammengeführte Wolke mit Kamerakegeln.
depth_maps
array of object {url, content_type, file_name, file_size, width, height}Tiefenkartenexport, verfügbar, wenn `export_depth_maps` true ist. Die Einträge folgen der Sequenz der Quell-Frames; jeder Frame wird durch ein Graustufen-PNG-Raster mit 16-Bit-Tiefe dargestellt.
prediction_data
array of object {url, content_type, file_name, file_size}Export roher Vorhersagen: Wenn `export_prediction_data` true ist, verfügt jeder Frame über eine eigene JSON-Datei, und die Dateien folgen der Frame-Sequenz.
num_frames
integerGesamtzahl der rekonstruierten Frames, einschließlich Bildern und aus Video abgetasteten Frames.
depth_range
array of numberTiefengrenzen [min, max] für die Quantisierung von `depth_maps`. Tiefe wird als min + pixel * (max - min) / 65535 rekonstruiert.
extrinsics
array of array of array of numberExtrinsische Kamera-aus-Welt-Matrizen der Größe 3x4 für jeden Frame; OpenCV-Achsen zeigen entlang x nach rechts, entlang y nach unten und entlang z nach vorn.
intrinsics
array of array of array of numberIntrinsische Lochkamera-Matrizen der Größe 3x3 für jeden Frame, ausgedrückt in Pixelkoordinaten des 518x518-Frames des Modells.
timings
objectVerstrichene Echtzeit für jede Phase, in Sekunden.

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/vggt-1b.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt