Ir al contenido

VGGT-1B

Integrar

Id del modelo 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"

Hasta 1,755 $ por ejecución se cobra según el uso real y el resto se reembolsa Ejecutar en esta página

Obtener clave de API
Meta Visión

Reconstruye una escena 3D a partir de hasta 48 imágenes o un video, y devuelve mapas de profundidad, poses de cámara y una nube de puntos

Meta · Datos (JSON)

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, conservadas para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

Avanzado 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
Suelta un archivo o · hasta 48

Imágenes de origen de reconstrucción, cada una con relleno hasta formar un cuadrado y redimensionada a una dimensión máxima de 518 píxeles. Se aceptan JPEG, PNG, WEBP y cualquier formato de imagen adicional que Pillow pueda decodificar.

video_url
Suelta un archivo o

Video de origen opcional cuyos fotogramas muestreados siguen a image_urls en la entrada combinada. El muestreo usa cada `frame_sampling_rate`-ésimo fotograma e incluye siempre el primero y el último.

alpha_blend_onto predeterminado white

El tratamiento del canal alfa ofrece cuatro opciones: 'keep' elimina el alfa sin alterar los valores de píxel originales; 'mean' compone contra el RGB medio de ImageNet. Para un fondo sólido, elige 'white' o 'black' para componer contra el color correspondiente.

array_encoding predeterminado base64

Formato de almacenamiento de matrices para los archivos JSON de predicción, donde 'list' ocupa mucho más espacio que 'base64'. Elige 'list' para listas JSON anidadas o 'base64' para objetos que contengan {data, shape, dtype}.

predeterminado 24

Intervalo de fotogramas aplicado solo cuando se proporciona un video mediante `video_url`; de lo contrario, no tiene efecto. Ambos fotogramas límite se conservan independientemente del intervalo, y se muestrea cada n-ésimo fotograma intermedio.

predeterminado 50

Porcentaje de filtrado basado en la confianza para construir la nube de puntos: 0 desactiva el filtrado, mientras que otros valores excluyen ese porcentaje de puntos, empezando por los menos confiables.

predeterminado 250000

Límite de cantidad de puntos GLB, predeterminado en 250,000. Para reducir la latencia de serialización y carga, se escribe una selección muestreada uniformemente cuando la nube supera este presupuesto.

Claves excluidas de cada archivo JSON de predicción.

POST /run/vggt-1b?wait=20 cotización → 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"

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y se guarda (localStorage) únicamente si marcas Recordar. Obtener una clave de API

Acerca de VGGT-1B

Estima la geometría a partir de múltiples vistas. Proporciona hasta 48 imágenes en `image_urls` y, opcionalmente, añade un `video_url` muestreado cada `frame_sampling_rate` fotogramas. Devuelve mapas de profundidad por fotograma, parámetros extrínsecos e intrínsecos de cámara, archivos de predicción sin procesar y una nube de puntos GLB con conos de cámara. `confidence_percentile` y `max_points` controlan la densidad de la nube de puntos.

Parámetros

Envía el nombre canónico o el nombre nativo, no ambos. Nombres canónicos

NombreTipo PredeterminadoPermitido Descripción
image_urlsopcional images
Tipourl[] · image
≤ 48 elementos
Imágenes de origen de reconstrucción, cada una con relleno hasta formar un cuadrado y redimensionada a una dimensión máxima de 518 píxeles. Se aceptan JPEG, PNG, WEBP y cualquier formato de imagen adicional que Pillow pueda decodificar.
video_urlopcional video
Tipourl · video
Video de origen opcional cuyos fotogramas muestreados siguen a image_urls en la entrada combinada. El muestreo usa cada `frame_sampling_rate`-ésimo fotograma e incluye siempre el primero y el último.
frame_sampling_rateopcional
Tipointeger
Predeterminado24
1 – 1000
Intervalo de fotogramas aplicado solo cuando se proporciona un video mediante `video_url`; de lo contrario, no tiene efecto. Ambos fotogramas límite se conservan independientemente del intervalo, y se muestrea cada n-ésimo fotograma intermedio.
alpha_blend_ontoopcional
Tipoenum
Predeterminadowhite
keepwhiteblackmean
El tratamiento del canal alfa ofrece cuatro opciones: 'keep' elimina el alfa sin alterar los valores de píxel originales; 'mean' compone contra el RGB medio de ImageNet. Para un fondo sólido, elige 'white' o 'black' para componer contra el color correspondiente.
export_prediction_dataopcional
Tipoboolean
Predeterminadotrue
Exporta las predicciones sin procesar como archivos JSON independientes para cada fotograma. Cada archivo incluye la profundidad y su confianza, una máscara y la pose de cámara codificada.
export_depth_mapsopcional
Tipoboolean
Predeterminadotrue
Exporta rásteres de profundidad con un mapeo lineal de `depth_range` a valores de píxel 0–65535. Cada fotograma obtiene un PNG independiente en escala de grises con precisión de 16 bits.
export_point_cloudopcional
Tipoboolean
Predeterminadotrue
Exporta la nube de puntos coloreada fusionada en formato GLB, con las cámaras estimadas representadas mediante mallas cónicas individuales en la escena.
array_encodingopcional
Tipoenum
Predeterminadobase64
base64list
Formato de almacenamiento de matrices para los archivos JSON de predicción, donde 'list' ocupa mucho más espacio que 'base64'. Elige 'list' para listas JSON anidadas o 'base64' para objetos que contengan {data, shape, dtype}.
exclude_keysopcional
Tipoenum[]
Claves excluidas de cada archivo JSON de predicción.
confidence_percentileopcional
Tiponumber
Predeterminado50
0 – 100
Porcentaje de filtrado basado en la confianza para construir la nube de puntos: 0 desactiva el filtrado, mientras que otros valores excluyen ese porcentaje de puntos, empezando por los menos confiables.
max_pointsopcional
Tipointeger
Predeterminado250000
1000 – 5.000.000
Límite de cantidad de puntos GLB, predeterminado en 250,000. Para reducir la latencia de serialización y carga, se escribe una selección muestreada uniformemente cuando la nube supera este presupuesto.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
Interruptor de comprobación de seguridad para imágenes y video de entrada.
obligatorio Nombre canónico, también aceptado

Los parámetros de archivo aceptan una URL pública https://, un URI data: de hasta 10 MB o el file_url de una carga. Archivos

Salida

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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (se cobra por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
point_cloud
object {url, content_type, file_name, file_size} | nullNube de puntos exportada cuando `export_point_cloud` es true; su escena GLB combina la nube fusionada con conos de cámara.
depth_maps
array of object {url, content_type, file_name, file_size, width, height}Exportación del mapa de profundidad disponible cuando `export_depth_maps` es true. Las entradas siguen la secuencia de fotogramas de origen, y cada fotograma se representa mediante un ráster PNG en escala de grises con profundidad de 16 bits.
prediction_data
array of object {url, content_type, file_name, file_size}Exportación de predicciones sin procesar: cuando `export_prediction_data` es true, cada fotograma tiene su propio archivo JSON y los archivos siguen la secuencia de fotogramas.
num_frames
integerCantidad total de fotogramas reconstruidos, incluidas las imágenes y los fotogramas muestreados del video.
depth_range
array of numberLímites de profundidad [min, max] usados para la cuantización de `depth_maps`. Recupera la profundidad como min + pixel * (max - min) / 65535.
extrinsics
array of array of array of numberMatrices extrínsecas de cámara desde el mundo, de tamaño 3x4, para cada fotograma; los ejes de OpenCV apuntan a la derecha en x, hacia abajo en y y hacia delante en z.
intrinsics
array of array of array of numberMatrices intrínsecas estenopeicas, de tamaño 3x3, para cada fotograma, expresadas en coordenadas de píxel del fotograma del modelo de 518x518.
timings
objectTiempo de reloj transcurrido para cada etapa, en segundos.

Para agentes de IA: esta página en Markdown está en https://doitong.com/es/developers/models/vggt-1b.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt