Leum chun t-susbaint

VGGT-1B

Amalaich

ID a’ mhodail 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 ri $1.755 gach ruith air a ghearradh a rèir cleachdaidh fhìor, agus an còrr air ais-phàigheadh Ruith e air an duilleig seo

Faigh iuchair API
Meta Lèirsinn

Ag ath-thogail sealladh 3D bho suas ri 48 ìomhaigh no bhidio, a’ tilleadh mhapaichean doimhneachd, postaidhean camara agus neul phuingean

Meta · Dàta (JSON)

Thèid a’ chiad toradh agad an-seo

Tog iarrtas gu h-ìosal agus ruith e leis an iuchair API agad. Tha na h-às-churan air an lethbhreacadh dhan stòradh againn, air an cumail gu bràth no 7 latha an-asgaidh.

Tog iarrtas

Tha na smachdan air an cruthachadh bho sgeama a’ mhodail. Bidh an còd agus a’ phrìs ag ùrachadh fhad ’s a dh’atharraicheas tu iad.

Adhartach 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
Leig às faidhle, no · suas ri 48

Ìomhaighean tùsail ath-thogail, gach fear air a phadhadh gu ceàrnag agus air ath-mheudachadh gu tomhas as fhaide de 518 piogsail. Thathar a’ gabhail ri JPEG, PNG, WEBP, agus fòrmat ìomhaigh sam bith a bharrachd a ghabhas Pillow a dhì-chòdachadh.

video_url
Leig às faidhle, no

Bhidio tùsail roghainneil aig a bheil na frèamaichean samplaichte aige a’ leantainn image_urls san in-chur cho-mheasgaichte. Bithear a’ samplachadh gach `frame_sampling_rate`mh frèam, an-còmhnaidh a’ gabhail a-steach a’ chiad fhrèam agus an tè mu dheireadh.

alpha_blend_onto bun-roghainn white

Tha ceithir roghainnean ann airson làimhseachadh an t-seanail alpha: bidh 'keep' a’ toirt air falbh alpha gun na luachan piogsail tùsail atharrachadh; bidh 'mean' a’ co-dhèanamh an aghaidh RGB cuibheasach ImageNet. Airson cùl-raon cruaidh, tagh 'white' no 'black' airson co-dhèanamh an aghaidh an dath fhreagarrach.

array_encoding bun-roghainn base64

Cruth stòraidh nan arrays airson faidhlichean JSON ro-innse, far a bheil 'list' a’ gabhail fada a bharrachd àite na 'base64'. Tagh 'list' airson liostaichean JSON neadaichte no 'base64' airson nithean anns a bheil {data, shape, dtype}.

bun-roghainn 24

Eadar-ama frèama a thèid a chur an sàs a-mhàin nuair a thèid bhidio a sholar tro `video_url`; air neo chan eil buaidh aige. Bithear a’ gleidheadh an dà fhrèam chrìche ge bith dè an t-eadar-ama, agus bithear a’ samplachadh gach n-th frèam eatarra.

bun-roghainn 50

Ceudad sìolaidh stèidhichte air misneachd airson togail an neul-phuing: bidh 0 a’ cur à comas sìoladh, agus bidh luachan eile a’ dùnadh a-mach an ceudad sin de phuingean, a’ tòiseachadh leis an fheadhainn leis a’ mhisneachd as ìsle.

bun-roghainn 250000

Crìoch àireamh phuingean GLB, le 250,000 mar bhun-roghainn. Gus latency sreathachaidh agus luchdachadh suas a lùghdachadh, thèid taghadh air a shamplachadh gu cothromach a sgrìobhadh nuair a thèid am buidseat seo thairis.

Iuchraichean a thèid a dhùnadh a-mach às gach faidhle JSON ro-innse.

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

Ruith an t-iarrtas seo

Fuirichidh an iuchair agad sa bhrobhsair seo: thèid a cur chun Doitong API a-mhàin agus a sàbhaladh (localStorage) a-mhàin ma chuireas tu comharra ri Cuimhnich. Faigh iuchair API

Mu VGGT-1B

A’ tomhas geoimeatraidh bho iomadh sealladh. Thoir suas ri 48 ìomhaigh ann an `image_urls`, agus cuir `video_url` ris ma thogras tu, air a shamplachadh gach `frame_sampling_rate` frèam. Tillidh e mapaichean doimhneachd gach frèama, extrinsics agus intrinsics a’ chamara, faidhlichean ro-innse amh agus neul phuingean GLB le cònaichean camara. Bidh `confidence_percentile` agus `max_points` a’ riaghladh dùmhlachd an neòil phuingean.

Paramadairean

Cuir an t-ainm canonical no an t-ainm dùthchasach, chan e an dà chuid. Ainmean canonical

AinmSeòrsa Bun-roghainnCeadaichte Tuairisgeul
image_urlsroghainneil images
Seòrsaurl[] · image
≤ 48 nì
Ìomhaighean tùsail ath-thogail, gach fear air a phadhadh gu ceàrnag agus air ath-mheudachadh gu tomhas as fhaide de 518 piogsail. Thathar a’ gabhail ri JPEG, PNG, WEBP, agus fòrmat ìomhaigh sam bith a bharrachd a ghabhas Pillow a dhì-chòdachadh.
video_urlroghainneil video
Seòrsaurl · video
Bhidio tùsail roghainneil aig a bheil na frèamaichean samplaichte aige a’ leantainn image_urls san in-chur cho-mheasgaichte. Bithear a’ samplachadh gach `frame_sampling_rate`mh frèam, an-còmhnaidh a’ gabhail a-steach a’ chiad fhrèam agus an tè mu dheireadh.
frame_sampling_rateroghainneil
Seòrsainteger
Bun-roghainn24
1 – 1,000
Eadar-ama frèama a thèid a chur an sàs a-mhàin nuair a thèid bhidio a sholar tro `video_url`; air neo chan eil buaidh aige. Bithear a’ gleidheadh an dà fhrèam chrìche ge bith dè an t-eadar-ama, agus bithear a’ samplachadh gach n-th frèam eatarra.
alpha_blend_ontoroghainneil
Seòrsaenum
Bun-roghainnwhite
keepwhiteblackmean
Tha ceithir roghainnean ann airson làimhseachadh an t-seanail alpha: bidh 'keep' a’ toirt air falbh alpha gun na luachan piogsail tùsail atharrachadh; bidh 'mean' a’ co-dhèanamh an aghaidh RGB cuibheasach ImageNet. Airson cùl-raon cruaidh, tagh 'white' no 'black' airson co-dhèanamh an aghaidh an dath fhreagarrach.
export_prediction_dataroghainneil
Seòrsaboolean
Bun-roghainntrue
Às-mhalairt ro-innsean amh mar fhaidhlichean JSON fa leth airson frèamaichean fa leth. Tha doimhneachd agus a mhisneachd, masg, agus suidheachadh camara còdaichte anns gach faidhle.
export_depth_mapsroghainneil
Seòrsaboolean
Bun-roghainntrue
Às-mhalairt rasteran doimhneachd le mapadh sreathach de `depth_range` gu luachan piogsail 0–65535. Gheibh gach frèam PNG liath-sgèile fa leth le mionaideachd 16-bit.
export_point_cloudroghainneil
Seòrsaboolean
Bun-roghainntrue
Às-mhalairt a’ neul-phuing dhathte cho-mheasgaichte ann an cruth GLB, le camarathan tuairmseach air an riochdachadh le meshan còn fa leth san t-sealladh.
array_encodingroghainneil
Seòrsaenum
Bun-roghainnbase64
base64list
Cruth stòraidh nan arrays airson faidhlichean JSON ro-innse, far a bheil 'list' a’ gabhail fada a bharrachd àite na 'base64'. Tagh 'list' airson liostaichean JSON neadaichte no 'base64' airson nithean anns a bheil {data, shape, dtype}.
exclude_keysroghainneil
Seòrsaenum[]
Iuchraichean a thèid a dhùnadh a-mach às gach faidhle JSON ro-innse.
confidence_percentileroghainneil
Seòrsanumber
Bun-roghainn50
0 – 100
Ceudad sìolaidh stèidhichte air misneachd airson togail an neul-phuing: bidh 0 a’ cur à comas sìoladh, agus bidh luachan eile a’ dùnadh a-mach an ceudad sin de phuingean, a’ tòiseachadh leis an fheadhainn leis a’ mhisneachd as ìsle.
max_pointsroghainneil
Seòrsainteger
Bun-roghainn250000
1,000 – 5,000,000
Crìoch àireamh phuingean GLB, le 250,000 mar bhun-roghainn. Gus latency sreathachaidh agus luchdachadh suas a lùghdachadh, thèid taghadh air a shamplachadh gu cothromach a sgrìobhadh nuair a thèid am buidseat seo thairis.
enable_safety_checkerroghainneil
Seòrsaboolean
Bun-roghainntrue
Toglaich airson sgrùdadh sàbhailteachd nan ìomhaighean agus a’ bhidio san in-chur.
riatanach Ainm canonical, gabhar ris cuideachd

Gabhaidh paramadairean faidhle ri URL poblach https://, URI data: suas ri 10 MB, no file_url de luchdachadh suas. Faidhlichean

Toradh

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"
  }
}
Na faidhlichean agad, do roghainnTha gach outputs[].url na lethbhreac air an stòradh againn: air a chumail gu bràth (air a phàigheadh gach GB-mìos) no 7 latha an-asgaidh, a rèir suidheachadh a’ chunntais agad no ?storage=.
An aon chruth air gach modailtype, url, content_type, width, height agus duration, airson dealbhan, bhidio agus fuaim le chèile. ’S e output nì toraidh a’ mhodail fhèin.
Raointean toraidh
point_cloud
object {url, content_type, file_name, file_size} | nullÀs-chur neul-phuing a thèid a thilleadh nuair a tha `export_point_cloud` fìor; bidh an sealladh GLB aige a’ co-mheasgachadh an neul le cònaichean nan camarathan.
depth_maps
array of object {url, content_type, file_name, file_size, width, height}Às-chur mapa-doimhneachd ri fhaighinn nuair a tha `export_depth_maps` fìor. Bidh na h-inntrigidhean a’ leantainn sreath nam frèamaichean tùsail, le gach frèam air a riochdachadh mar raster PNG liath-sgèile aig doimhneachd 16-bit.
prediction_data
array of object {url, content_type, file_name, file_size}Às-chur ro-innse amh: nuair a tha `export_prediction_data` fìor, bidh am faidhle JSON aige fhèin aig gach frèam, agus bidh na faidhlichean a’ leantainn sreath nam frèamaichean.
num_frames
integerÀireamh iomlan nam frèamaichean ath-thogte, a’ gabhail a-steach ìomhaighean agus frèamaichean air an samplachadh bhon bhidio.
depth_range
array of numberCrìochan doimhneachd [min, max] a thèid a chleachdadh airson tomhas `depth_maps`. Faigh air ais doimhneachd mar min + pixel * (max - min) / 65535.
extrinsics
array of array of array of numberMatrices taobh-a-muigh camara-bho-shaoghal, meud 3x4, airson gach frèam; tha na h-aisean OpenCV a’ comharrachadh deas air x, sìos air y, agus air adhart air z.
intrinsics
array of array of array of numberMatrices gnèitheach pinhole, meud 3x3, airson gach frèam, air an cur an cèill ann an co-chomharran piogsail frèam 518x518 a’ mhodail.
timings
objectÙine a chaidh seachad airson gach ìre, ann an diogan.

Do riochdairean AI: tha an duilleag seo mar Markdown aig https://doitong.com/gd/developers/models/vggt-1b.md. Na modailean agus na treòraichean uile: https://doitong.com/developers/llms.txt