Lumaktaw sa nilalaman

VGGT-1B

I-integrate

ID ng 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"

Hanggang $1.755 bawat pagtakbo sinisingil ayon sa aktuwal na paggamit, at nire-refund ang natitira Patakbuhin ito sa page na ito

Kumuha ng API key
Meta Vision

Nagre-reconstruct ng 3D scene mula sa hanggang 48 larawan o isang video, at nagbabalik ng depth map, camera pose at point cloud

Meta · Data (JSON)

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

advanced 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
Mag-drop ng file, o · hanggang 48

Mga source na larawan para sa reconstruction, na bawat isa ay nilalagyan ng padding upang maging square at nire-resize sa pinakamahabang dimensiyong 518 pixels. Tinatanggap ang JPEG, PNG, WEBP, at anumang karagdagang format ng larawan na nade-decode ng Pillow.

video_url
Mag-drop ng file, o

Opsyonal na source video kung saan sumusunod ang mga na-sample na frame sa image_urls sa pinagsamang input. Gumagamit ang sampling ng bawat `frame_sampling_rate` na frame, at palaging isinasama ang unang frame at huling frame.

alpha_blend_onto default na white

May apat na pagpipilian ang paghawak sa alpha channel: inaalis ng 'keep' ang alpha nang hindi binabago ang orihinal na mga pixel value; kino-composite ng 'mean' laban sa mean RGB ng ImageNet. Para sa solid na background, piliin ang 'white' o 'black' para i-composite laban sa katumbas na kulay.

array_encoding default na base64

Array storage format para sa mga prediction JSON file, kung saan mas malaking espasyo ang ginagamit ng 'list' kaysa sa 'base64'. Piliin ang 'list' para sa mga nested JSON list o 'base64' para sa mga object na naglalaman ng {data, shape, dtype}.

default na 24

Inilalapat lamang ang pagitan ng frame kapag may video na ibinigay sa pamamagitan ng `video_url`; kung hindi, wala itong epekto. Pinananatili ang dalawang boundary frame anuman ang pagitan, at sina-sample ang bawat ika-n na frame sa pagitan ng mga ito.

default na 50

Porsiyento ng filtering batay sa confidence para sa pagbuo ng point cloud: hindi pinapagana ng 0 ang filtering, habang inaalis ng ibang value ang katumbas na porsiyento ng mga point, simula sa may pinakamababang confidence.

default na 250000

Limitasyon sa bilang ng point ng GLB, na may default na 250,000. Para mabawasan ang latency sa serialization at pag-upload, isinusulat ang pantay na na-subsample na seleksyon kapag lumampas ang cloud sa badyet na ito.

Mga key na ibinubukod sa bawat prediction JSON file.

POST /run/vggt-1b?wait=20 presyo → $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"

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa VGGT-1B

Tinatantiya ang geometry mula sa maraming view. Magbigay ng hanggang 48 larawan sa `image_urls`, at maaaring magdagdag ng `video_url` na sine-sample bawat `frame_sampling_rate` frame. Nagbabalik ito ng depth map bawat frame, camera extrinsics at intrinsics, raw prediction file, at GLB point cloud na may camera cone. Kinokontrol ng `confidence_percentile` at `max_points` kung gaano kasiksik ang point cloud.

Mga parameter

Ipadala ang canonical na pangalan o ang native na pangalan, hindi pareho. Mga canonical na pangalan

PangalanUri defaultPinapayagan Paglalarawan
image_urlsopsyonal images
Uriurl[] · image
≤ 48 item
Mga source na larawan para sa reconstruction, na bawat isa ay nilalagyan ng padding upang maging square at nire-resize sa pinakamahabang dimensiyong 518 pixels. Tinatanggap ang JPEG, PNG, WEBP, at anumang karagdagang format ng larawan na nade-decode ng Pillow.
video_urlopsyonal video
Uriurl · video
Opsyonal na source video kung saan sumusunod ang mga na-sample na frame sa image_urls sa pinagsamang input. Gumagamit ang sampling ng bawat `frame_sampling_rate` na frame, at palaging isinasama ang unang frame at huling frame.
frame_sampling_rateopsyonal
Uriinteger
default24
1 – 1,000
Inilalapat lamang ang pagitan ng frame kapag may video na ibinigay sa pamamagitan ng `video_url`; kung hindi, wala itong epekto. Pinananatili ang dalawang boundary frame anuman ang pagitan, at sina-sample ang bawat ika-n na frame sa pagitan ng mga ito.
alpha_blend_ontoopsyonal
Urienum
defaultwhite
keepwhiteblackmean
May apat na pagpipilian ang paghawak sa alpha channel: inaalis ng 'keep' ang alpha nang hindi binabago ang orihinal na mga pixel value; kino-composite ng 'mean' laban sa mean RGB ng ImageNet. Para sa solid na background, piliin ang 'white' o 'black' para i-composite laban sa katumbas na kulay.
export_prediction_dataopsyonal
Uriboolean
defaulttrue
I-export ang mga raw prediction bilang magkakahiwalay na JSON file para sa bawat frame. Kasama sa bawat file ang depth at confidence nito, isang mask, at ang naka-encode na camera pose.
export_depth_mapsopsyonal
Uriboolean
defaulttrue
I-export ang mga depth raster na may linear mapping ng `depth_range` sa mga pixel value na 0–65535. Makakakuha ang bawat frame ng hiwalay na grayscale PNG na may 16-bit precision.
export_point_cloudopsyonal
Uriboolean
defaulttrue
I-export ang pinagsamang colored point cloud sa GLB format, kung saan kinakatawan ang mga tinantyang camera ng magkakahiwalay na cone mesh sa scene.
array_encodingopsyonal
Urienum
defaultbase64
base64list
Array storage format para sa mga prediction JSON file, kung saan mas malaking espasyo ang ginagamit ng 'list' kaysa sa 'base64'. Piliin ang 'list' para sa mga nested JSON list o 'base64' para sa mga object na naglalaman ng {data, shape, dtype}.
exclude_keysopsyonal
Urienum[]
Mga key na ibinubukod sa bawat prediction JSON file.
confidence_percentileopsyonal
Urinumber
default50
0 – 100
Porsiyento ng filtering batay sa confidence para sa pagbuo ng point cloud: hindi pinapagana ng 0 ang filtering, habang inaalis ng ibang value ang katumbas na porsiyento ng mga point, simula sa may pinakamababang confidence.
max_pointsopsyonal
Uriinteger
default250000
1,000 – 5,000,000
Limitasyon sa bilang ng point ng GLB, na may default na 250,000. Para mabawasan ang latency sa serialization at pag-upload, isinusulat ang pantay na na-subsample na seleksyon kapag lumampas ang cloud sa badyet na ito.
enable_safety_checkeropsyonal
Uriboolean
defaulttrue
Toggle para sa safety check ng mga input na larawan at video.
kinakailangan Canonical na pangalan, tinatanggap din

Tumatanggap ang mga parameter ng file ng pampublikong https:// URL, data: URI na hanggang 10 MB, o file_url ng isang upload. Mga file

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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
point_cloud
object {url, content_type, file_name, file_size} | nullPoint-cloud export na ibinabalik kapag true ang `export_point_cloud`; pinagsasama ng GLB scene nito ang pinagsamang cloud at mga camera cone.
depth_maps
array of object {url, content_type, file_name, file_size, width, height}Depth-map export na available kapag true ang `export_depth_maps`. Sinusunod ng mga entry ang sequence ng source frame, kung saan kinakatawan ang bawat frame ng grayscale PNG raster na may 16-bit depth.
prediction_data
array of object {url, content_type, file_name, file_size}Raw prediction export: kapag true ang `export_prediction_data`, may sariling JSON file ang bawat frame, at sumusunod ang mga file sa sequence ng frame.
num_frames
integerKabuuang bilang ng na-reconstruct na frame, kabilang ang mga larawan at frame na na-sample mula sa video.
depth_range
array of numberMga limitasyon ng depth [min, max] na ginagamit para sa quantization ng `depth_maps`. I-recover ang depth bilang min + pixel * (max - min) / 65535.
extrinsics
array of array of array of numberCamera-from-world extrinsic matrix, na may sukat na 3x4, para sa bawat frame; nakaturo ang mga axis ng OpenCV pakanan sa x, pababa sa y, at pasulong sa z.
intrinsics
array of array of array of numberPinhole intrinsic matrix, na may sukat na 3x3, para sa bawat frame, na ipinapahayag sa pixel coordinates ng 518x518 frame ng modelo.
timings
objectLumipas na wall-clock time para sa bawat stage, sa segundo.

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/vggt-1b.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt