Neidio i'r cynnwys

VGGT-1B

Integreiddio

ID y model vggt-1b
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Hyd at $1.755 fesul rhediad codir tâl yn ôl y defnydd gwirioneddol, a chaiff y gweddill ei ad-dalu Ei redeg ar y dudalen hon

Cael allwedd API
Meta Gweledigaeth

Yn ail-greu golygfa 3D o hyd at 48 o ddelweddau neu fideo, gan ddychwelyd mapiau dyfnder, ystumiau camera a chwmwl pwyntiau

Meta · Data (JSON)

Mae eich canlyniad cyntaf yn mynd yma

Adeiladwch gais isod a'i redeg gyda'ch allwedd API. Mae allbynnau'n cael eu copïo i'n storio, wedi'u cadw am byth neu am 7 diwrnod am ddim.

Adeiladu cais

Cynhyrchir rheolyddion o sgema'r model. Mae'r cod a'r pris yn diweddaru wrth i chi eu newid.

Uwch 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
Gollyngwch ffeil, neu · hyd at 48

Delweddau ffynhonnell ailadeiladu, pob un wedi'i badio i sgwâr a'i newid maint i ddimensiwn hiraf o 518 picsel. Derbynnir JPEG, PNG, WEBP ac unrhyw fformat delwedd ychwanegol y gellir ei ddatgodio gan Pillow.

video_url
Gollyngwch ffeil, neu

Fideo ffynhonnell dewisol y mae ei fframiau a samplwyd yn dilyn image_urls yn y mewnbwn cyfun. Defnyddir pob `frame_sampling_rate`-fed ffrâm, gan gynnwys y ffrâm gyntaf a'r ffrâm olaf bob amser.

alpha_blend_onto rhagosodedig white

Mae trin y sianel alffa yn cynnig pedwar dewis: mae 'keep' yn tynnu alffa heb newid gwerthoedd y picseli gwreiddiol; mae 'mean' yn cyfansoddi yn erbyn cyfartaledd RGB ImageNet. Ar gyfer cefndir solet, dewiswch 'white' neu 'black' i gyfansoddi yn erbyn y lliw cyfatebol.

array_encoding rhagosodedig base64

Fformat storio araeau ar gyfer ffeiliau JSON rhagfynegiadau, gyda 'list' yn cymryd llawer mwy o le na 'base64'. Dewiswch 'list' ar gyfer rhestrau JSON nythu neu 'base64' ar gyfer gwrthrychau sy'n cynnwys {data, shape, dtype}.

rhagosodedig 24

Cyfwng ffrâm a gymhwysir dim ond pan ddarperir fideo drwy `video_url`; fel arall, nid yw'n cael unrhyw effaith. Cedwir y ddwy ffrâm ar y ffin beth bynnag fo'r cyfwng, gyda phob n-fed ffrâm yn cael ei samplu rhyngddynt.

rhagosodedig 50

Canran hidlo ar sail hyder ar gyfer adeiladu cwmwl pwyntiau: mae 0 yn analluogi hidlo, tra bod gwerthoedd eraill yn eithrio'r ganran honno o bwyntiau, gan ddechrau gyda'r rhai â'r hyder lleiaf.

rhagosodedig 250000

Terfyn nifer pwyntiau GLB, gyda 250,000 yn rhagosodedig. Er mwyn cadw hwyrni cyfresoli a llwytho i fyny yn isel, ysgrifennir detholiad wedi'i is-samplu'n gyfartal pan fydd y cwmwl yn fwy na'r gyllideb hon.

Allweddi a gaiff eu heithrio o bob ffeil JSON rhagfynegiad.

POST /run/vggt-1b?wait=20 dyfynbris → $1.755
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Rhedeg y cais hwn

Mae'ch allwedd yn aros yn y porwr hwn: caiff ei hanfon at Doitong API yn unig a'i chadw (localStorage) dim ond os ticiwch Cofio. Cael allwedd API

Ynglŷn â VGGT-1B

Yn amcangyfrif geometreg o olygfeydd lluosog. Rhowch hyd at 48 o ddelweddau yn `image_urls`, ac ychwanegwch `video_url` yn ddewisol, wedi'i samplu bob `frame_sampling_rate` ffrâm. Mae'n dychwelyd mapiau dyfnder fesul ffrâm, allanolion a mewnolion camera, ffeiliau rhagfynegi crai, a chwmwl pwyntiau GLB gyda chonau camera. Mae `confidence_percentile` a `max_points` yn rheoli dwysedd y cwmwl pwyntiau.

Paramedrau

Anfonwch naill ai'r enw canonaidd neu'r enw brodorol, nid y ddau. Enwau canonaidd

EnwMath RhagosodedigCaniateir Disgrifiad
image_urlsdewisol images
Mathurl[] · image
≤ 48 eitem
Delweddau ffynhonnell ailadeiladu, pob un wedi'i badio i sgwâr a'i newid maint i ddimensiwn hiraf o 518 picsel. Derbynnir JPEG, PNG, WEBP ac unrhyw fformat delwedd ychwanegol y gellir ei ddatgodio gan Pillow.
video_urldewisol video
Mathurl · video
Fideo ffynhonnell dewisol y mae ei fframiau a samplwyd yn dilyn image_urls yn y mewnbwn cyfun. Defnyddir pob `frame_sampling_rate`-fed ffrâm, gan gynnwys y ffrâm gyntaf a'r ffrâm olaf bob amser.
frame_sampling_ratedewisol
Mathinteger
Rhagosodedig24
1 – 1,000
Cyfwng ffrâm a gymhwysir dim ond pan ddarperir fideo drwy `video_url`; fel arall, nid yw'n cael unrhyw effaith. Cedwir y ddwy ffrâm ar y ffin beth bynnag fo'r cyfwng, gyda phob n-fed ffrâm yn cael ei samplu rhyngddynt.
alpha_blend_ontodewisol
Mathenum
Rhagosodedigwhite
keepwhiteblackmean
Mae trin y sianel alffa yn cynnig pedwar dewis: mae 'keep' yn tynnu alffa heb newid gwerthoedd y picseli gwreiddiol; mae 'mean' yn cyfansoddi yn erbyn cyfartaledd RGB ImageNet. Ar gyfer cefndir solet, dewiswch 'white' neu 'black' i gyfansoddi yn erbyn y lliw cyfatebol.
export_prediction_datadewisol
Mathboolean
Rhagosodedigtrue
Allforio rhagfynegiadau crai fel ffeiliau JSON ar wahân ar gyfer fframiau unigol. Mae pob ffeil yn cynnwys dyfnder a'i hyder, masg, ac ystum camera wedi'i amgodio.
export_depth_mapsdewisol
Mathboolean
Rhagosodedigtrue
Allforio rasterau dyfnder gyda mapio llinol o `depth_range` i werthoedd picsel 0–65535. Mae pob ffrâm yn cael PNG graddlwyd ar wahân gyda manwl gywirdeb 16-did.
export_point_clouddewisol
Mathboolean
Rhagosodedigtrue
Allforio'r cwmwl pwyntiau lliw cyfun mewn fformat GLB, gyda'r camerâu amcangyfrifedig yn cael eu cynrychioli gan rwyllau côn unigol yn yr olygfa.
array_encodingdewisol
Mathenum
Rhagosodedigbase64
base64list
Fformat storio araeau ar gyfer ffeiliau JSON rhagfynegiadau, gyda 'list' yn cymryd llawer mwy o le na 'base64'. Dewiswch 'list' ar gyfer rhestrau JSON nythu neu 'base64' ar gyfer gwrthrychau sy'n cynnwys {data, shape, dtype}.
exclude_keysdewisol
Mathenum[]
Allweddi a gaiff eu heithrio o bob ffeil JSON rhagfynegiad.
confidence_percentiledewisol
Mathnumber
Rhagosodedig50
0 – 100
Canran hidlo ar sail hyder ar gyfer adeiladu cwmwl pwyntiau: mae 0 yn analluogi hidlo, tra bod gwerthoedd eraill yn eithrio'r ganran honno o bwyntiau, gan ddechrau gyda'r rhai â'r hyder lleiaf.
max_pointsdewisol
Mathinteger
Rhagosodedig250000
1,000 – 5,000,000
Terfyn nifer pwyntiau GLB, gyda 250,000 yn rhagosodedig. Er mwyn cadw hwyrni cyfresoli a llwytho i fyny yn isel, ysgrifennir detholiad wedi'i is-samplu'n gyfartal pan fydd y cwmwl yn fwy na'r gyllideb hon.
enable_safety_checkerdewisol
Mathboolean
Rhagosodedigtrue
Toglo gwirio diogelwch ar gyfer delweddau a fideo mewnbwn.
gofynnol Enw canonaidd, derbyniol hefyd

Mae paramedrau ffeil yn derbyn URL cyhoeddus https://, URI data: hyd at 10 MB, neu file_url uwchlwythiad. Ffeiliau

Allbwn

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.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Eich ffeiliau, eich dewisMae pob outputs[].url yn gopi ar ein storio: wedi'i gadw am byth (telir fesul GB-mis) neu am 7 diwrnod am ddim, yn ôl gosodiad eich cyfrif neu ?storage=.
Yr un siâp ar bob modeltype, url, content_type, width, height a duration, ar gyfer delweddau, fideo a sain fel ei gilydd. Gwrthrych canlyniad y model ei hun yw output.
Meysydd yr allbwn
point_cloud
object {url, content_type, file_name, file_size} | nullAllbwn cwmwl pwyntiau a ddychwelir pan fo `export_point_cloud` yn wir; mae ei olygfa GLB yn cyfuno'r cwmwl cyfun â chonau camera.
depth_maps
array of object {url, content_type, file_name, file_size, width, height}Allforiad mapiau dyfnder sydd ar gael pan fo `export_depth_maps` yn wir. Mae'r cofnodion yn dilyn trefn y fframiau ffynhonnell, gyda phob ffrâm yn cael ei chynrychioli gan raster PNG graddlwyd ar ddyfnder 16-did.
prediction_data
array of object {url, content_type, file_name, file_size}Allforiad rhagfynegiadau crai: pan fo `export_prediction_data` yn wir, mae gan bob ffrâm ei ffeil JSON ei hun, ac mae'r ffeiliau'n dilyn trefn y fframiau.
num_frames
integerCyfanswm y fframiau a ailadeiladwyd, gan gynnwys delweddau a fframiau a samplwyd o fideo.
depth_range
array of numberTerfynau dyfnder [min, max] a ddefnyddir ar gyfer meintioli `depth_maps`. Adferwch y dyfnder fel min + pixel * (max - min) / 65535.
extrinsics
array of array of array of numberMatricsau allanol camera-o-fyd, maint 3x4, ar gyfer pob ffrâm; mae echelinau OpenCV yn pwyntio i'r dde ar hyd x, i lawr ar hyd y, ac ymlaen ar hyd z.
intrinsics
array of array of array of numberMatricsau mewnol pinhole, maint 3x3, ar gyfer pob ffrâm, wedi'u mynegi yng nghyfesurynnau picseli ffrâm 518x518 y model.
timings
objectYr amser cloc wal a aeth heibio ar gyfer pob cam, mewn eiliadau.

Ar gyfer asiantau AI: mae'r dudalen hon fel Markdown ar gael yn https://doitong.com/cy/developers/models/vggt-1b.md. Pob model a chanllaw: https://doitong.com/developers/llms.txt