Passer au contenu

VGGT-1B

Intégrer

Identifiant du modèle 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"

Jusqu’à 1,755 $ par exécution facturation selon l’utilisation réelle, le reste est remboursé L’exécuter sur cette page

Obtenir une clé API
Meta Vision

Reconstruit une scène 3D à partir de 48 images ou d'une vidéo maximum, en renvoyant des cartes de profondeur, des poses de caméra et un nuage de points

Meta · Données (JSON)

Votre premier résultat apparaîtra ici

Construisez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour lorsque vous les modifiez.

Avancé 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
Déposez un fichier, ou · jusqu’à 48

Images source de reconstruction, chacune complétée pour devenir carrée puis redimensionnée à une dimension maximale de 518 pixels. JPEG, PNG, WEBP et tout autre format d'image décodable par Pillow sont acceptés.

video_url
Déposez un fichier, ou

Vidéo source facultative dont les images échantillonnées suivent image_urls dans l'entrée combinée. L'échantillonnage utilise une image sur `frame_sampling_rate`, en incluant toujours la première et la dernière.

alpha_blend_onto par défaut white

Le traitement du canal alpha propose quatre choix : 'keep' supprime l'alpha sans modifier les valeurs de pixels originales ; 'mean' compose avec le RGB moyen d'ImageNet. Pour un arrière-plan uni, choisissez 'white' ou 'black' afin de composer avec la couleur correspondante.

array_encoding par défaut base64

Format de stockage des tableaux pour les fichiers JSON de prédiction, 'list' occupant beaucoup plus d'espace que 'base64'. Choisissez 'list' pour les listes JSON imbriquées ou 'base64' pour les objets contenant {data, shape, dtype}.

par défaut 24

Intervalle d'images appliqué uniquement lorsqu'une vidéo est fournie via `video_url` ; sinon, il n'a aucun effet. Les deux images limites sont conservées quel que soit l'intervalle, avec une image sur n échantillonnée entre les deux.

par défaut 50

Pourcentage de filtrage fondé sur la confiance pour construire le nuage de points : 0 désactive le filtrage, tandis que les autres valeurs excluent ce pourcentage de points, en commençant par les moins fiables.

par défaut 250000

Limite du nombre de points GLB, fixée par défaut à 250,000. Pour réduire la latence de sérialisation et d'envoi, une sélection sous-échantillonnée uniformément est écrite lorsque le nuage dépasse ce budget.

Clés exclues de chaque fichier JSON de prédiction.

POST /run/vggt-1b?wait=20 devis → 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"

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement à la Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de VGGT-1B

Estime la géométrie à partir de plusieurs vues. Fournissez jusqu'à 48 images dans `image_urls` et ajoutez éventuellement une `video_url` échantillonnée toutes les `frame_sampling_rate` images. Le modèle renvoie des cartes de profondeur par image, les paramètres extrinsèques et intrinsèques de la caméra, les fichiers de prédiction bruts et un nuage de points GLB avec cônes de caméra. `confidence_percentile` et `max_points` contrôlent la densité du nuage de points.

Paramètres

Envoyez soit le nom canonique, soit le nom natif, mais pas les deux. Noms canoniques

NomType Par défautAutorisé Description
image_urlsfacultatif images
Typeurl[] · image
≤ 48 éléments
Images source de reconstruction, chacune complétée pour devenir carrée puis redimensionnée à une dimension maximale de 518 pixels. JPEG, PNG, WEBP et tout autre format d'image décodable par Pillow sont acceptés.
video_urlfacultatif video
Typeurl · video
Vidéo source facultative dont les images échantillonnées suivent image_urls dans l'entrée combinée. L'échantillonnage utilise une image sur `frame_sampling_rate`, en incluant toujours la première et la dernière.
frame_sampling_ratefacultatif
Typeinteger
Par défaut24
1 – 1 000
Intervalle d'images appliqué uniquement lorsqu'une vidéo est fournie via `video_url` ; sinon, il n'a aucun effet. Les deux images limites sont conservées quel que soit l'intervalle, avec une image sur n échantillonnée entre les deux.
alpha_blend_ontofacultatif
Typeenum
Par défautwhite
keepwhiteblackmean
Le traitement du canal alpha propose quatre choix : 'keep' supprime l'alpha sans modifier les valeurs de pixels originales ; 'mean' compose avec le RGB moyen d'ImageNet. Pour un arrière-plan uni, choisissez 'white' ou 'black' afin de composer avec la couleur correspondante.
export_prediction_datafacultatif
Typeboolean
Par défauttrue
Exporte les prédictions brutes dans des fichiers JSON distincts pour chaque image. Chaque fichier inclut la profondeur et sa confiance, un masque et la pose de caméra encodée.
export_depth_mapsfacultatif
Typeboolean
Par défauttrue
Exporte les rasters de profondeur avec une conversion linéaire de `depth_range` vers les valeurs de pixels 0–65535. Chaque image reçoit un PNG en niveaux de gris distinct avec une précision de 16 bits.
export_point_cloudfacultatif
Typeboolean
Par défauttrue
Exporte le nuage de points coloré fusionné au format GLB, avec les caméras estimées représentées par des maillages coniques individuels dans la scène.
array_encodingfacultatif
Typeenum
Par défautbase64
base64list
Format de stockage des tableaux pour les fichiers JSON de prédiction, 'list' occupant beaucoup plus d'espace que 'base64'. Choisissez 'list' pour les listes JSON imbriquées ou 'base64' pour les objets contenant {data, shape, dtype}.
exclude_keysfacultatif
Typeenum[]
Clés exclues de chaque fichier JSON de prédiction.
confidence_percentilefacultatif
Typenumber
Par défaut50
0 – 100
Pourcentage de filtrage fondé sur la confiance pour construire le nuage de points : 0 désactive le filtrage, tandis que les autres valeurs excluent ce pourcentage de points, en commençant par les moins fiables.
max_pointsfacultatif
Typeinteger
Par défaut250000
1 000 – 5 000 000
Limite du nombre de points GLB, fixée par défaut à 250,000. Pour réduire la latence de sérialisation et d'envoi, une sélection sous-échantillonnée uniformément est écrite lorsque le nuage dépasse ce budget.
enable_safety_checkerfacultatif
Typeboolean
Par défauttrue
Activation des contrôles de sécurité pour les images et vidéos d'entrée.
requis Nom canonique, également accepté

Les paramètres de fichier acceptent une URL publique https://, un URI data: jusqu’à 10 MB ou le file_url d’un téléversement. Fichiers

Sortie

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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie dans notre stockage : conservée indéfiniment (facturation au Go-mois) ou 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Même structure pour chaque modèletype, url, content_type, width, height et duration, pour les images, vidéos et fichiers audio. output est le propre objet de résultat du modèle.
Champs de sortie
point_cloud
object {url, content_type, file_name, file_size} | nullExport du nuage de points renvoyé lorsque `export_point_cloud` vaut true ; sa scène GLB combine le nuage fusionné avec les cônes des caméras.
depth_maps
array of object {url, content_type, file_name, file_size, width, height}Export de la carte de profondeur disponible lorsque `export_depth_maps` vaut true. Les éléments suivent la séquence d'images source, chaque image étant représentée par un raster PNG en niveaux de gris avec une profondeur de 16 bits.
prediction_data
array of object {url, content_type, file_name, file_size}Export des prédictions brutes : lorsque `export_prediction_data` vaut true, chaque image possède son propre fichier JSON et les fichiers suivent la séquence des images.
num_frames
integerNombre total d'images reconstruites, y compris les images et celles échantillonnées depuis la vidéo.
depth_range
array of numberBornes de profondeur [min, max] utilisées pour la quantification de `depth_maps`. Récupérez la profondeur avec min + pixel * (max - min) / 65535.
extrinsics
array of array of array of numberMatrices extrinsèques caméra-monde, de taille 3x4, pour chaque image ; les axes OpenCV pointent vers la droite selon x, vers le bas selon y et vers l'avant selon z.
intrinsics
array of array of array of numberMatrices intrinsèques sténopé, de taille 3x3, pour chaque image, exprimées dans les coordonnées de pixels de l'image 518x518 du modèle.
timings
objectTemps écoulé pour chaque étape, en secondes.

Pour les agents IA : cette page au format Markdown est disponible à https://doitong.com/fr/developers/models/vggt-1b.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt