Léim chuig an ábhar

VGGT-1B

Comhtháthú

Aitheantas na samhla 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"

Suas le $1.755 in aghaidh an rith gearrtar táille de réir na húsáide iarbhír, aisíoctar an fuílleach Rith ar an leathanach seo

Faigh eochair API
Meta Fís

Atógann sé radharc 3T ó suas le 48 íomhá nó ó fhíseán, agus filleann sé léarscáileanna doimhneachta, staideanna ceamara agus scamall pointí

Meta · Sonraí (JSON)

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

Ardleibhéal 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
Scaoil comhad, nó · suas le 48

Íomhánna foinse atógála, gach ceann acu stuáilte ina chearnóg agus athmhéadaithe go dtí toise is faide de 518 picteilín. Glactar le JPEG, PNG, WEBP agus aon fhormáid íomhá bhreise is féidir le Pillow a dhíchódú.

video_url
Scaoil comhad, nó

Físeán foinseach roghnach a leanann a fhrámaí sampláilte image_urls san ionchur comhcheangailte. Úsáidtear gach fráma `frame_sampling_rate`-ú, agus cuirtear an chéad agus an fráma deireanach san áireamh i gcónaí.

alpha_blend_onto réamhshocrú white

Tá ceithre rogha ann do láimhseáil an chainéil alfa: baintear alfa le 'keep' gan na bunluachanna picteilíní a athrú; cumasctar le 'mean' in aghaidh mheán RGB ImageNet. Maidir le cúlra soladach, roghnaigh 'white' nó 'black' chun cumasc in aghaidh an dath chomhfhreagraigh.

array_encoding réamhshocrú base64

Formáid stórála eagair do chomhaid JSON tuartha, agus úsáideann 'list' i bhfad níos mó spáis ná 'base64'. Roghnaigh 'list' do liostaí JSON neadaithe nó 'base64' d'earraí ina bhfuil {data, shape, dtype}.

réamhshocrú 24

Eatramh fráma a chuirtear i bhfeidhm nuair a sholáthraítear físeán trí `video_url` amháin; murach sin, níl aon éifeacht aige. Coinnítear an dá fhráma teorann beag beann ar an eatramh, agus sampláiltear gach n-ú fráma eatarthu.

réamhshocrú 50

Céatadán scagtha bunaithe ar mhuinín chun scamall pointí a chruthú: díchumasaíonn 0 an scagadh, agus eisíonn luachanna eile an céatadán sin de phointí, ag tosú leis na pointí is lú muiníne.

réamhshocrú 250000

Uasteorainn líon na bpointí GLB, réamhshocraithe go 250,000. Chun sraithuimhriú agus moill uaslódála a laghdú, scríobhtar rogha fhoshampláilte chothrom nuair a sháraíonn an scamall an buiséad seo.

Eochracha eisiata ó gach comhad JSON tuartha.

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

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le VGGT-1B

Measann sé céimseata ó ilradhairc. Tabhair suas le 48 íomhá in `image_urls`, agus cuir `video_url` leis más mian leat, sampláilte gach `frame_sampling_rate` fráma. Filleann sé léarscáileanna doimhneachta in aghaidh an fhráma, seachtracha agus inmheánacha an cheamara, comhaid amh tuartha, agus scamall pointí GLB le cóin cheamara. Rialaíonn `confidence_percentile` agus `max_points` dlús an scamaill pointí.

Paraiméadair

Seol an t-ainm canónach nó an t-ainm dúchasach, ní an dá cheann. Ainmneacha canónacha

AinmCineál RéamhshocrúCeadaithe Cur síos
image_urlsroghnach images
Cineálurl[] · image
≤ 48 mír
Íomhánna foinse atógála, gach ceann acu stuáilte ina chearnóg agus athmhéadaithe go dtí toise is faide de 518 picteilín. Glactar le JPEG, PNG, WEBP agus aon fhormáid íomhá bhreise is féidir le Pillow a dhíchódú.
video_urlroghnach video
Cineálurl · video
Físeán foinseach roghnach a leanann a fhrámaí sampláilte image_urls san ionchur comhcheangailte. Úsáidtear gach fráma `frame_sampling_rate`-ú, agus cuirtear an chéad agus an fráma deireanach san áireamh i gcónaí.
frame_sampling_rateroghnach
Cineálinteger
Réamhshocrú24
1 – 1,000
Eatramh fráma a chuirtear i bhfeidhm nuair a sholáthraítear físeán trí `video_url` amháin; murach sin, níl aon éifeacht aige. Coinnítear an dá fhráma teorann beag beann ar an eatramh, agus sampláiltear gach n-ú fráma eatarthu.
alpha_blend_ontoroghnach
Cineálenum
Réamhshocrúwhite
keepwhiteblackmean
Tá ceithre rogha ann do láimhseáil an chainéil alfa: baintear alfa le 'keep' gan na bunluachanna picteilíní a athrú; cumasctar le 'mean' in aghaidh mheán RGB ImageNet. Maidir le cúlra soladach, roghnaigh 'white' nó 'black' chun cumasc in aghaidh an dath chomhfhreagraigh.
export_prediction_dataroghnach
Cineálboolean
Réamhshocrútrue
Easpórtáil tuartha amh mar chomhaid JSON ar leith do fhrámaí aonair. Áirítear i ngach comhad doimhneacht agus a mhuinín, masc, agus staidiúir cheamara ionchódaithe.
export_depth_mapsroghnach
Cineálboolean
Réamhshocrútrue
Easpórtáil rasters doimhneachta le mapáil líneach de `depth_range` go luachanna picteilíní 0–65535. Faigheann gach fráma PNG liathscála ar leith le beachtas 16-giotán.
export_point_cloudroghnach
Cineálboolean
Réamhshocrútrue
Easpórtáil an scamall pointe daite comhleáite i bhformáid GLB, agus na ceamaraí measta léirithe ag mogaill chóin aonair sa radharc.
array_encodingroghnach
Cineálenum
Réamhshocrúbase64
base64list
Formáid stórála eagair do chomhaid JSON tuartha, agus úsáideann 'list' i bhfad níos mó spáis ná 'base64'. Roghnaigh 'list' do liostaí JSON neadaithe nó 'base64' d'earraí ina bhfuil {data, shape, dtype}.
exclude_keysroghnach
Cineálenum[]
Eochracha eisiata ó gach comhad JSON tuartha.
confidence_percentileroghnach
Cineálnumber
Réamhshocrú50
0 – 100
Céatadán scagtha bunaithe ar mhuinín chun scamall pointí a chruthú: díchumasaíonn 0 an scagadh, agus eisíonn luachanna eile an céatadán sin de phointí, ag tosú leis na pointí is lú muiníne.
max_pointsroghnach
Cineálinteger
Réamhshocrú250000
1,000 – 5,000,000
Uasteorainn líon na bpointí GLB, réamhshocraithe go 250,000. Chun sraithuimhriú agus moill uaslódála a laghdú, scríobhtar rogha fhoshampláilte chothrom nuair a sháraíonn an scamall an buiséad seo.
enable_safety_checkerroghnach
Cineálboolean
Réamhshocrútrue
Scorán seiceála sábháilteachta d'íomhánna agus físeán ionchuir.
riachtanach Ainm canónach, glactar leis freisin

Glacann paraiméadair chomhaid le URL poiblí https://, URI data: suas le 10 MB, nó file_url uaslódála. Comhaid

Aschur

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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
point_cloud
object {url, content_type, file_name, file_size} | nullEaspórtáil scamall pointí a chuirtear ar ais nuair atá `export_point_cloud` fíor; comhcheanglaíonn a radharc GLB an scamall comhleáite le cóin cheamara.
depth_maps
array of object {url, content_type, file_name, file_size, width, height}Easpórtáil léarscáile doimhneachta atá ar fáil nuair atá `export_depth_maps` fíor. Leanann na hiontrálacha seicheamh na bhfrámaí foinseacha, agus léirítear gach fráma mar raster PNG liathscála ag doimhneacht 16-giotán.
prediction_data
array of object {url, content_type, file_name, file_size}Easpórtáil tuartha amh: nuair atá `export_prediction_data` fíor, bíonn a chomhad JSON féin ag gach fráma, agus leanann na comhaid seicheamh na bhfrámaí.
num_frames
integerLíon iomlán na bhfrámaí athchruthaithe, lena n-áirítear íomhánna agus frámaí sampláilte ón bhfíseán.
depth_range
array of numberTeorainneacha doimhneachta [min, max] a úsáidtear do chainníochtú `depth_maps`. Aisghabh doimhneacht mar min + pixel * (max - min) / 65535.
extrinsics
array of array of array of numberMaitrísí seachtracha ceamara ón domhan, méid 3x4, do gach fráma; díríonn aiseanna OpenCV ar dheis feadh x, síos feadh y, agus ar aghaidh feadh z.
intrinsics
array of array of array of numberMaitrísí intreacha pollphionna, méid 3x3, do gach fráma, léirithe i gcomhordanáidí picteilíní fhráma 518x518 na samhla.
timings
objectAm iarbhír caite do gach céim, i soicind.

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/vggt-1b.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt