Gå til indhold

VGGT-1B

Integrer

Model-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.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"

Op til 1,755 $ pr. kørsel du betaler efter det faktiske forbrug, resten tilbagebetales Kør den på denne side

Hent API-nøgle
Meta Vision

Genskaber en 3D-scene ud fra op til 48 billeder eller en video og returnerer dybdekort, kamerapositioner og en punktsky

Meta · Data (JSON)

Dit første resultat kommer her

Opret en anmodning nedenfor, og kør den med din API-nøgle. Output kopieres til vores lagring, gemt for altid eller 7 dage gratis.

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

Avanceret 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
Slip en fil, eller · op til 48

Kildebilleder til rekonstruktion, hvert med polstring til et kvadrat og ændret størrelse til en længste dimension på 518 pixels. JPEG, PNG, WEBP og alle yderligere billedformater, som Pillow kan afkode, accepteres.

video_url
Slip en fil, eller

Valgfri kildevideo, hvis samplede frames følger image_urls i det kombinerede input. Sampling bruger hvert `frame_sampling_rate`-te frame og inkluderer altid det første og sidste frame.

alpha_blend_onto standard white

Behandling af alfakanalen har fire valgmuligheder: 'keep' fjerner alfa uden at ændre de oprindelige pixelværdier; 'mean' komponerer mod ImageNet-gennemsnittet for RGB. Vælg 'white' eller 'black' for at komponere mod den tilsvarende farve.

array_encoding standard base64

Array-lagringsformat for forudsigelses-JSON-filer, hvor 'list' bruger langt mere plads end 'base64'. Vælg 'list' til indlejrede JSON-lister eller 'base64' til objekter, der indeholder {data, shape, dtype}.

standard 24

Frame-interval, der kun anvendes, når en video leveres via `video_url`; ellers har det ingen effekt. Begge grænseframes bevares uanset intervallet, mens hvert n-te frame samples imellem dem.

standard 50

Konfidensbaseret filtreringsprocent til konstruktion af punktskyen: 0 deaktiverer filtrering, mens andre værdier udelader den angivne procentdel af punkterne, begyndende med de mindst konfidente.

standard 250000

Maksimalt antal punkter i GLB, som standard 250,000. For at reducere serialiserings- og uploadforsinkelse skrives et jævnt subsamplet udvalg, når skyen overskrider dette budget.

Nøgler, der udelades fra alle forudsigelses-JSON-filer.

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.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"

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om VGGT-1B

Estimerer geometri ud fra flere visninger. Angiv op til 48 billeder i `image_urls`, og tilføj eventuelt en `video_url`, der samples for hver `frame_sampling_rate` frames. Returnerer dybdekort pr. frame, kameraets extrinsics og intrinsics, rå prædiktionsfiler samt en GLB-punktsky med kamerakegler. `confidence_percentile` og `max_points` styrer punktskyens tæthed.

Parametre

Send enten det kanoniske navn eller det oprindelige navn, ikke begge. Kanoniske navne

NavnType StandardTilladt Beskrivelse
image_urlsvalgfri images
Typeurl[] · image
≤ 48 elementer
Kildebilleder til rekonstruktion, hvert med polstring til et kvadrat og ændret størrelse til en længste dimension på 518 pixels. JPEG, PNG, WEBP og alle yderligere billedformater, som Pillow kan afkode, accepteres.
video_urlvalgfri video
Typeurl · video
Valgfri kildevideo, hvis samplede frames følger image_urls i det kombinerede input. Sampling bruger hvert `frame_sampling_rate`-te frame og inkluderer altid det første og sidste frame.
frame_sampling_ratevalgfri
Typeinteger
Standard24
1 – 1.000
Frame-interval, der kun anvendes, når en video leveres via `video_url`; ellers har det ingen effekt. Begge grænseframes bevares uanset intervallet, mens hvert n-te frame samples imellem dem.
alpha_blend_ontovalgfri
Typeenum
Standardwhite
keepwhiteblackmean
Behandling af alfakanalen har fire valgmuligheder: 'keep' fjerner alfa uden at ændre de oprindelige pixelværdier; 'mean' komponerer mod ImageNet-gennemsnittet for RGB. Vælg 'white' eller 'black' for at komponere mod den tilsvarende farve.
export_prediction_datavalgfri
Typeboolean
Standardtrue
Eksportér rå forudsigelser som separate JSON-filer for individuelle frames. Hver fil indeholder dybde og dens konfidens, en maske samt den kodede kamerapose.
export_depth_mapsvalgfri
Typeboolean
Standardtrue
Eksportér dybderastere med en lineær mapping af `depth_range` til pixelværdierne 0–65535. Hvert frame får en separat gråtone-PNG med 16-bit præcision.
export_point_cloudvalgfri
Typeboolean
Standardtrue
Eksportér den fusionerede farvede punktsky i GLB-format, hvor estimerede kameraer repræsenteres af individuelle keglenet i scenen.
array_encodingvalgfri
Typeenum
Standardbase64
base64list
Array-lagringsformat for forudsigelses-JSON-filer, hvor 'list' bruger langt mere plads end 'base64'. Vælg 'list' til indlejrede JSON-lister eller 'base64' til objekter, der indeholder {data, shape, dtype}.
exclude_keysvalgfri
Typeenum[]
Nøgler, der udelades fra alle forudsigelses-JSON-filer.
confidence_percentilevalgfri
Typenumber
Standard50
0 – 100
Konfidensbaseret filtreringsprocent til konstruktion af punktskyen: 0 deaktiverer filtrering, mens andre værdier udelader den angivne procentdel af punkterne, begyndende med de mindst konfidente.
max_pointsvalgfri
Typeinteger
Standard250000
1.000 – 5.000.000
Maksimalt antal punkter i GLB, som standard 250,000. For at reducere serialiserings- og uploadforsinkelse skrives et jævnt subsamplet udvalg, når skyen overskrider dette budget.
enable_safety_checkervalgfri
Typeboolean
Standardtrue
Sikkerhedstjek for inputbilleder og video.
påkrævet Kanonisk navn, også accepteret

Filparametre accepterer en offentlig https://-URL, en data:-URI på op til 10 MB eller file_url fra en upload. Filer

Output

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"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
point_cloud
object {url, content_type, file_name, file_size} | nullPunktskyeksport, der returneres, når `export_point_cloud` er true; dens GLB-scene kombinerer den fusionerede sky med kamerakegler.
depth_maps
array of object {url, content_type, file_name, file_size, width, height}Dybdekorteksport, der er tilgængelig, når `export_depth_maps` er true. Elementerne følger kildeframesekvensen, hvor hvert frame repræsenteres af en 16-bit gråtone-PNG-raster.
prediction_data
array of object {url, content_type, file_name, file_size}Rå forudsigelseseksport: når `export_prediction_data` er true, har hvert frame sin egen JSON-fil, og filerne følger framesekvensen.
num_frames
integerDet samlede antal rekonstruerede frames, inklusive billeder og frames samplet fra video.
depth_range
array of numberDybdegrænser [min, max], der bruges til kvantisering af `depth_maps`. Gendan dybden som min + pixel * (max - min) / 65535.
extrinsics
array of array of array of numberEkstrinsiske kamera-fra-verden-matricer på 3x4 for hvert frame; OpenCV-akser peger mod højre langs x, ned langs y og fremad langs z.
intrinsics
array of array of array of numberPinhole-intrinsiske matricer på 3x3 for hvert frame, udtrykt i pixelkoordinaterne for modellens 518x518-frame.
timings
objectForløbet væg-ur-tid for hvert trin, i sekund.

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/vggt-1b.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt