Przejdź do treści

VGGT-1B

Integracja

Identyfikator modelu 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"

Do 1,755 $ za uruchomienie opłata jest naliczana za rzeczywiste wykorzystanie, a reszta jest zwracana Uruchom na tej stronie

Uzyskaj klucz API
Meta Wizja

Odtwarza scenę 3D z maksymalnie 48 obrazów lub wideo, zwracając mapy głębi, pozy kamery i chmurę punktów

Meta · Dane (JSON)

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

Zaawansowane 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
Upuść plik lub · do 48

Obrazy źródłowe rekonstrukcji, z których każdy jest uzupełniany do kwadratu i skalowany do długości 518 pikseli na najdłuższym boku. Obsługiwane są JPEG, PNG, WEBP i każdy dodatkowy format obrazu dekodowany przez Pillow.

video_url
Upuść plik lub

Opcjonalne wideo źródłowe, którego próbkowane klatki następują po image_urls w połączonych danych wejściowych. Próbkowanie odbywa się co `frame_sampling_rate`-tą klatkę, zawsze z uwzględnieniem pierwszej i ostatniej klatki.

alpha_blend_onto domyślnie white

Obsługa kanału alfa oferuje cztery opcje: 'keep' usuwa kanał alfa bez zmiany oryginalnych wartości pikseli; 'mean' nakłada obraz na średnią RGB ImageNet. Dla jednolitego tła wybierz 'white' lub 'black', aby nałożyć obraz na odpowiedni kolor.

array_encoding domyślnie base64

Format przechowywania tablic dla plików JSON z predykcjami; 'list' zajmuje znacznie więcej miejsca niż 'base64'. Wybierz 'list' dla zagnieżdżonych list JSON lub 'base64' dla obiektów zawierających {data, shape, dtype}.

domyślnie 24

Interwał klatek stosowany tylko wtedy, gdy wideo jest przekazane przez `video_url`; w przeciwnym razie nie ma wpływu. Obie klatki graniczne są zachowywane niezależnie od interwału, a pomiędzy nimi próbkowana jest co n-ta klatka.

domyślnie 50

Procent filtrowania przy tworzeniu chmury punktów na podstawie wartości pewności: 0 wyłącza filtrowanie, a inne wartości wykluczają wskazany procent punktów, zaczynając od tych o najmniejszej pewności.

domyślnie 250000

Limit liczby punktów GLB, domyślnie 250,000. Aby ograniczyć czas serializacji i przesyłania, gdy chmura przekracza ten budżet, zapisywany jest równomiernie próbkowany wybór punktów.

Klucze wykluczane z każdego pliku JSON z predykcją.

POST /run/vggt-1b?wait=20 wycena → 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"

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o VGGT-1B

Szacuje geometrię na podstawie wielu widoków. Przekaż maksymalnie 48 obrazów w `image_urls`, opcjonalnie dodając `video_url` próbkowane co `frame_sampling_rate` klatek. Zwraca mapy głębi dla poszczególnych klatek, parametry zewnętrzne i wewnętrzne kamery, surowe pliki predykcji oraz chmurę punktów GLB ze stożkami kamer. `confidence_percentile` i `max_points` sterują gęstością chmury punktów.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
image_urlsopcjonalne images
Typurl[] · image
≤ 48 elementów
Obrazy źródłowe rekonstrukcji, z których każdy jest uzupełniany do kwadratu i skalowany do długości 518 pikseli na najdłuższym boku. Obsługiwane są JPEG, PNG, WEBP i każdy dodatkowy format obrazu dekodowany przez Pillow.
video_urlopcjonalne video
Typurl · video
Opcjonalne wideo źródłowe, którego próbkowane klatki następują po image_urls w połączonych danych wejściowych. Próbkowanie odbywa się co `frame_sampling_rate`-tą klatkę, zawsze z uwzględnieniem pierwszej i ostatniej klatki.
frame_sampling_rateopcjonalne
Typinteger
Domyślne24
1 – 1000
Interwał klatek stosowany tylko wtedy, gdy wideo jest przekazane przez `video_url`; w przeciwnym razie nie ma wpływu. Obie klatki graniczne są zachowywane niezależnie od interwału, a pomiędzy nimi próbkowana jest co n-ta klatka.
alpha_blend_ontoopcjonalne
Typenum
Domyślnewhite
keepwhiteblackmean
Obsługa kanału alfa oferuje cztery opcje: 'keep' usuwa kanał alfa bez zmiany oryginalnych wartości pikseli; 'mean' nakłada obraz na średnią RGB ImageNet. Dla jednolitego tła wybierz 'white' lub 'black', aby nałożyć obraz na odpowiedni kolor.
export_prediction_dataopcjonalne
Typboolean
Domyślnetrue
Eksportuj surowe predykcje jako osobne pliki JSON dla poszczególnych klatek. Każdy plik zawiera głębię i jej wartość pewności, maskę oraz zakodowaną pozę kamery.
export_depth_mapsopcjonalne
Typboolean
Domyślnetrue
Eksportuj rastry głębi z liniowym mapowaniem `depth_range` na wartości pikseli 0–65535. Każda klatka otrzymuje osobny 16-bitowy obraz PNG w skali szarości.
export_point_cloudopcjonalne
Typboolean
Domyślnetrue
Eksportuj scaloną kolorową chmurę punktów w formacie GLB, z oszacowanymi kamerami przedstawionymi w scenie jako osobne siatki stożkowe.
array_encodingopcjonalne
Typenum
Domyślnebase64
base64list
Format przechowywania tablic dla plików JSON z predykcjami; 'list' zajmuje znacznie więcej miejsca niż 'base64'. Wybierz 'list' dla zagnieżdżonych list JSON lub 'base64' dla obiektów zawierających {data, shape, dtype}.
exclude_keysopcjonalne
Typenum[]
Klucze wykluczane z każdego pliku JSON z predykcją.
confidence_percentileopcjonalne
Typnumber
Domyślne50
0 – 100
Procent filtrowania przy tworzeniu chmury punktów na podstawie wartości pewności: 0 wyłącza filtrowanie, a inne wartości wykluczają wskazany procent punktów, zaczynając od tych o najmniejszej pewności.
max_pointsopcjonalne
Typinteger
Domyślne250000
1000 – 5 000 000
Limit liczby punktów GLB, domyślnie 250,000. Aby ograniczyć czas serializacji i przesyłania, gdy chmura przekracza ten budżet, zapisywany jest równomiernie próbkowany wybór punktów.
enable_safety_checkeropcjonalne
Typboolean
Domyślnetrue
Przełącznik kontroli bezpieczeństwa dla obrazów i wideo wejściowych.
wymagane Nazwa kanoniczna, również akceptowana

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
point_cloud
object {url, content_type, file_name, file_size} | nullEksport chmury punktów zwracany, gdy `export_point_cloud` ma wartość true; jego scena GLB łączy scaloną chmurę ze stożkami kamer.
depth_maps
array of object {url, content_type, file_name, file_size, width, height}Eksport map głębi dostępny, gdy `export_depth_maps` ma wartość true. Wpisy zachowują kolejność klatek źródłowych, a każda klatka jest reprezentowana jako 16-bitowy raster PNG w skali szarości.
prediction_data
array of object {url, content_type, file_name, file_size}Eksport surowych predykcji: gdy `export_prediction_data` ma wartość true, każda klatka ma własny plik JSON, a pliki zachowują kolejność klatek.
num_frames
integerŁączna liczba zrekonstruowanych klatek, obejmująca obrazy i klatki próbkowane z wideo.
depth_range
array of numberGranice głębi [min, max] używane do kwantyzacji `depth_maps`. Głębię można odtworzyć jako min + pixel * (max - min) / 65535.
extrinsics
array of array of array of numberMacierze zewnętrzne kamery względem świata o rozmiarze 3x4 dla każdej klatki; osie OpenCV wskazują w prawo wzdłuż x, w dół wzdłuż y i do przodu wzdłuż z.
intrinsics
array of array of array of numberMacierze wewnętrzne kamery otworkowej o rozmiarze 3x3 dla każdej klatki, wyrażone we współrzędnych pikseli klatki modelu 518x518.
timings
objectCzas zegarowy każdej fazy, w sekundach.

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/vggt-1b.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt