Gå til innhold

VGGT-1B

Integrer

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"

Opptil 1,755 $ per kjøring belastes etter faktisk bruk, resten tilbakebetales Kjør den på denne siden

Hent API-nøkkel
Meta Syn

Gjenoppbygger en 3D-scene fra opptil 48 bilder eller en video og returnerer dybdekart, kameraposisjoner og en punktsky

Meta · Data (JSON)

Det første resultatet ditt kommer her

Bygg en forespørsel nedenfor og kjør den med API-nøkkelen din. Utdata kopieres til lagringen vår, lagret for alltid eller 7 dager gratis.

Bygg en forespørsel

Kontrollene genereres fra modellskjemaet. Koden og prisen oppdateres når du endrer dem.

Avansert 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
Slipp en fil, eller · opptil 48

Kildebilder for rekonstruksjon, hvert polstret til en firkant og skalert slik at den lengste dimensjonen er 518 piksler. JPEG, PNG, WEBP og alle andre bildeformater som Pillow kan dekode, støttes.

video_url
Slipp en fil, eller

Valgfri kildevideo der de samplende bildene følger image_urls i den kombinerte inndataen. Samplingen bruker hvert `frame_sampling_rate`-te bilde, og inkluderer alltid det første og siste bildet.

alpha_blend_onto standard white

Behandling av alfakanalen har fire valg: 'keep' fjerner alfa uten å endre de opprinnelige pikselverdiene; 'mean' komponerer mot gjennomsnittlig RGB for ImageNet. For en ensfarget bakgrunn velger du 'white' eller 'black' for å komponere mot den tilsvarende fargen.

array_encoding standard base64

Lagringsformat for prediksjons-JSON-filer, der 'list' tar langt mer plass enn 'base64'. Velg 'list' for nestede JSON-lister eller 'base64' for objekter som inneholder {data, shape, dtype}.

standard 24

Bildeintervallet brukes bare når en video leveres via `video_url`; ellers har det ingen effekt. Begge grensebildene beholdes uavhengig av intervallet, og hvert n-te bilde samples imellom.

standard 50

Konfidensbasert filtreringsprosent for konstruksjon av punktsky: 0 deaktiverer filtrering, mens andre verdier utelater denne prosentandelen av punktene, med start fra de minst konfidente.

standard 250000

Grense for antall punkter i GLB, standard 250,000. For å redusere serialiserings- og opplastingsforsinkelsen skrives et jevnt subsamplet utvalg når skyen overskrider dette budsjettet.

Nøkler som utelates fra hver prediksjons-JSON-fil.

POST /run/vggt-1b?wait=20 pris → 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"

Kjør denne forespørselen

Nøkkelen din blir i denne nettleseren: Den sendes bare til Doitong API og lagres bare i localStorage hvis du krysser av for Husk. Hent en API-nøkkel

Om VGGT-1B

Estimerer geometri fra flere visninger. Angi opptil 48 bilder i `image_urls`, og legg eventuelt til en `video_url` samplet hvert `frame_sampling_rate`-te bilde. Returnerer dybdekart per bilde, kameraets ytre og indre parametere, rå prediksjonsfiler og en GLB-punktsky med kamerakjegler. `confidence_percentile` og `max_points` styrer punktskyens tetthet.

Parametere

Send enten det kanoniske navnet eller det opprinnelige navnet, ikke begge. Kanoniske navn

NavnType StandardTillatt Beskrivelse
image_urlsvalgfritt images
Typeurl[] · image
≤ 48 elementer
Kildebilder for rekonstruksjon, hvert polstret til en firkant og skalert slik at den lengste dimensjonen er 518 piksler. JPEG, PNG, WEBP og alle andre bildeformater som Pillow kan dekode, støttes.
video_urlvalgfritt video
Typeurl · video
Valgfri kildevideo der de samplende bildene følger image_urls i den kombinerte inndataen. Samplingen bruker hvert `frame_sampling_rate`-te bilde, og inkluderer alltid det første og siste bildet.
frame_sampling_ratevalgfritt
Typeinteger
Standard24
1 – 1 000
Bildeintervallet brukes bare når en video leveres via `video_url`; ellers har det ingen effekt. Begge grensebildene beholdes uavhengig av intervallet, og hvert n-te bilde samples imellom.
alpha_blend_ontovalgfritt
Typeenum
Standardwhite
keepwhiteblackmean
Behandling av alfakanalen har fire valg: 'keep' fjerner alfa uten å endre de opprinnelige pikselverdiene; 'mean' komponerer mot gjennomsnittlig RGB for ImageNet. For en ensfarget bakgrunn velger du 'white' eller 'black' for å komponere mot den tilsvarende fargen.
export_prediction_datavalgfritt
Typeboolean
Standardtrue
Eksporter rå prediksjoner som separate JSON-filer for individuelle bilder. Hver fil inneholder dybde og konfidensen for den, en maske og den kodede kameraposen.
export_depth_mapsvalgfritt
Typeboolean
Standardtrue
Eksporter dybderaster med en lineær tilordning av `depth_range` til pikselverdier 0–65535. Hvert bilde får en separat gråtone-PNG med 16-biters presisjon.
export_point_cloudvalgfritt
Typeboolean
Standardtrue
Eksporter den sammensmeltede fargelagte punktskyen i GLB-format, med estimerte kameraer representert av individuelle kjeglenett i scenen.
array_encodingvalgfritt
Typeenum
Standardbase64
base64list
Lagringsformat for prediksjons-JSON-filer, der 'list' tar langt mer plass enn 'base64'. Velg 'list' for nestede JSON-lister eller 'base64' for objekter som inneholder {data, shape, dtype}.
exclude_keysvalgfritt
Typeenum[]
Nøkler som utelates fra hver prediksjons-JSON-fil.
confidence_percentilevalgfritt
Typenumber
Standard50
0 – 100
Konfidensbasert filtreringsprosent for konstruksjon av punktsky: 0 deaktiverer filtrering, mens andre verdier utelater denne prosentandelen av punktene, med start fra de minst konfidente.
max_pointsvalgfritt
Typeinteger
Standard250000
1 000 – 5 000 000
Grense for antall punkter i GLB, standard 250,000. For å redusere serialiserings- og opplastingsforsinkelsen skrives et jevnt subsamplet utvalg når skyen overskrider dette budsjettet.
enable_safety_checkervalgfritt
Typeboolean
Standardtrue
Sikkerhetskontroll for inndata-bilder og video.
obligatorisk Kanonisk navn, også godkjent

Filparametere tar imot en offentlig https:// URL, en data: URI på opptil 10 MB eller file_url fra en opplasting. Filer

Utdata

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"
  }
}
Filene dine, ditt valgHver outputs[].url er en kopi på lagringen vår: lagret for alltid (betalt per GB-måned) eller 7 dager gratis, styrt av kontoinnstillingen din eller ?storage=.
Samme struktur for hver modelltype, url, content_type, width, height og duration, for bilder, video og lyd. output er modellens eget resultatobjekt.
Utdatafelt
point_cloud
object {url, content_type, file_name, file_size} | nullPunktskyeksport som returneres når `export_point_cloud` er true; GLB-scenen kombinerer den sammensmeltede skyen med kamerakjegler.
depth_maps
array of object {url, content_type, file_name, file_size, width, height}Dybdekart-eksport som er tilgjengelig når `export_depth_maps` er true. Elementene følger kildebildesekvensen, og hvert bilde er representert av en 16-bits gråtone-PNG-raster.
prediction_data
array of object {url, content_type, file_name, file_size}Eksport av rå prediksjoner: når `export_prediction_data` er true, har hvert bilde sin egen JSON-fil, og filene følger bildesekvensen.
num_frames
integerTotalt antall rekonstruerte bilder, inkludert bilder og bilder samplet fra video.
depth_range
array of numberDybdegrenser [min, max] brukt til kvantisering av `depth_maps`. Gjenopprett dybden som min + pixel * (max - min) / 65535.
extrinsics
array of array of array of numberEkstrinsiske matriser fra kamera til verden, med størrelse 3x4, for hvert bilde; OpenCV-aksene peker mot høyre langs x, ned langs y og fremover langs z.
intrinsics
array of array of array of numberIntrinsiske pinhole-matriser, med størrelse 3x3, for hvert bilde, uttrykt i pikselkoordinatene til modellens 518x518-bilde.
timings
objectForløpt klokketid for hvert trinn, i sekunder.

For AI-agenter: Denne siden som Markdown finnes på https://doitong.com/no/developers/models/vggt-1b.md. Alle modeller og veiledninger: https://doitong.com/developers/llms.txt