Hoppa till innehåll

VGGT-1B

Integrera

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"

Upp till 1,755 $ per körning debiteras efter faktisk användning, resten återbetalas Kör den på den här sidan

Hämta API-nyckel
Meta Vision

Återskapar en 3D-scen från upp till 48 bilder eller en video och returnerar djupkartor, kameraposer och ett punktmoln

Meta · Data (JSON)

Ditt första resultat visas här

Skapa en begäran nedan och kör den med din API-nyckel. Utdata kopieras till vår lagring och sparas för alltid eller 7 dagar kostnadsfritt.

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

Avancerat 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
Släpp en fil eller · upp till 48

Källbilder för rekonstruktion, där varje bild får utfyllnad till en kvadrat och skalas om så att den längsta dimensionen blir 518 pixlar. JPEG, PNG, WEBP och alla ytterligare bildformat som Pillow kan avkoda stöds.

video_url
Släpp en fil eller

Valfri källvideo vars samplade bildrutor följer image_urls i den kombinerade indatan. Sampling använder var `frame_sampling_rate`:e bildruta och inkluderar alltid den första och sista bildrutan.

alpha_blend_onto standard white

Hantering av alfakanalen erbjuder fyra alternativ: 'keep' tar bort alfa utan att ändra de ursprungliga pixelvärdena; 'mean' komponerar mot ImageNets genomsnittliga RGB. För en enfärgad bakgrund väljer du 'white' eller 'black' för att komponera mot motsvarande färg.

array_encoding standard base64

Lagringsformat för arrayer i prediktions-JSON-filer, där 'list' tar betydligt mer utrymme än 'base64'. Välj 'list' för nästlade JSON-listor eller 'base64' för objekt som innehåller {data, shape, dtype}.

standard 24

Bildruteintervallet används endast när en video tillhandahålls via `video_url`; annars har det ingen effekt. Båda gränsbildrutorna behålls oavsett intervallet, och var n:te bildruta samplas däremellan.

standard 50

Konfidensbaserad filtreringsprocent för konstruktion av punktmoln: 0 inaktiverar filtrering, medan andra värden exkluderar den procentandelen punkter, med början från de minst säkra.

standard 250000

Maximalt antal punkter i GLB, med standardvärdet 250,000. För att minska serialiserings- och uppladdningsfördröjningen skrivs ett jämnt nedsamplat urval när molnet överskrider denna budget.

Nycklar som undantas från varje prediktions-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"

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om VGGT-1B

Uppskattar geometri från flera vyer. Ange upp till 48 bilder i `image_urls` och lägg eventuellt till en `video_url` som samplas var `frame_sampling_rate`:e bildruta. Returnerar djupkartor per bildruta, kamerans extrinsiska och intrinsiska parametrar, råa prediktionsfiler samt ett GLB-punktmoln med kamerakoner. `confidence_percentile` och `max_points` styr punktmolnets täthet.

Parametrar

Skicka antingen det kanoniska namnet eller det inbyggda namnet, inte båda. Kanoniska namn

NamnTyp StandardTillåtna Beskrivning
image_urlsvalfritt images
Typurl[] · image
≤ 48 objekt
Källbilder för rekonstruktion, där varje bild får utfyllnad till en kvadrat och skalas om så att den längsta dimensionen blir 518 pixlar. JPEG, PNG, WEBP och alla ytterligare bildformat som Pillow kan avkoda stöds.
video_urlvalfritt video
Typurl · video
Valfri källvideo vars samplade bildrutor följer image_urls i den kombinerade indatan. Sampling använder var `frame_sampling_rate`:e bildruta och inkluderar alltid den första och sista bildrutan.
frame_sampling_ratevalfritt
Typinteger
Standard24
1 – 1 000
Bildruteintervallet används endast när en video tillhandahålls via `video_url`; annars har det ingen effekt. Båda gränsbildrutorna behålls oavsett intervallet, och var n:te bildruta samplas däremellan.
alpha_blend_ontovalfritt
Typenum
Standardwhite
keepwhiteblackmean
Hantering av alfakanalen erbjuder fyra alternativ: 'keep' tar bort alfa utan att ändra de ursprungliga pixelvärdena; 'mean' komponerar mot ImageNets genomsnittliga RGB. För en enfärgad bakgrund väljer du 'white' eller 'black' för att komponera mot motsvarande färg.
export_prediction_datavalfritt
Typboolean
Standardtrue
Exportera råa prediktioner som separata JSON-filer för enskilda bildrutor. Varje fil innehåller djup och dess konfidens, en mask samt den kodade kameraställningen.
export_depth_mapsvalfritt
Typboolean
Standardtrue
Exportera djuprastrar med en linjär mappning av `depth_range` till pixelvärdena 0–65535. Varje bildruta får en separat gråskalig PNG med 16-bitars precision.
export_point_cloudvalfritt
Typboolean
Standardtrue
Exportera det sammanslagna färgade punktmolnet i GLB-format, där uppskattade kameror representeras av individuella koniska meshobjekt i scenen.
array_encodingvalfritt
Typenum
Standardbase64
base64list
Lagringsformat för arrayer i prediktions-JSON-filer, där 'list' tar betydligt mer utrymme än 'base64'. Välj 'list' för nästlade JSON-listor eller 'base64' för objekt som innehåller {data, shape, dtype}.
exclude_keysvalfritt
Typenum[]
Nycklar som undantas från varje prediktions-JSON-fil.
confidence_percentilevalfritt
Typnumber
Standard50
0 – 100
Konfidensbaserad filtreringsprocent för konstruktion av punktmoln: 0 inaktiverar filtrering, medan andra värden exkluderar den procentandelen punkter, med början från de minst säkra.
max_pointsvalfritt
Typinteger
Standard250000
1 000 – 5 000 000
Maximalt antal punkter i GLB, med standardvärdet 250,000. För att minska serialiserings- och uppladdningsfördröjningen skrivs ett jämnt nedsamplat urval när molnet överskrider denna budget.
enable_safety_checkervalfritt
Typboolean
Standardtrue
Växling för säkerhetskontroll av indatabilder och video.
obligatoriskt Kanoniskt namn, accepteras också

Filparametrar tar emot en offentlig https://-URL, en data:-URI på upp till 10 MB eller file_url från en uppladdning. Filer

Resultat

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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
point_cloud
object {url, content_type, file_name, file_size} | nullPunktmolnsexport som returneras när `export_point_cloud` är true; dess GLB-scen kombinerar det sammanslagna molnet med kamerakoner.
depth_maps
array of object {url, content_type, file_name, file_size, width, height}Djupkarteexport som är tillgänglig när `export_depth_maps` är true. Poster följer källans bildrutesekvens, där varje bildruta representeras av en gråskalig PNG-raster med 16-bitars djup.
prediction_data
array of object {url, content_type, file_name, file_size}Export av råa prediktioner: när `export_prediction_data` är true har varje bildruta en egen JSON-fil, och filerna följer bildrutesekvensen.
num_frames
integerTotalt antal rekonstruerade bildrutor, inklusive bilder och bildrutor som samplats från video.
depth_range
array of numberDjupgränser [min, max] som används för kvantisering av `depth_maps`. Återskapa djupet som min + pixel * (max - min) / 65535.
extrinsics
array of array of array of numberExtrinsiska matriser från kamera till värld, med storleken 3x4, för varje bildruta; OpenCV-axlarna pekar åt höger längs x, nedåt längs y och framåt längs z.
intrinsics
array of array of array of numberPinhole-intrinsiska matriser, med storleken 3x3, för varje bildruta, uttryckta i pixelkoordinaterna för modellens bildruta på 518x518.
timings
objectFörfluten väggklocketid för varje steg, i sekunder.

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/vggt-1b.md. Alla modeller och guider: https://doitong.com/developers/llms.txt