Vai al contenuto

VGGT-1B

Integra

ID del modello 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"

Fino a 1,755 $ per esecuzione addebitato in base all'utilizzo effettivo, il resto viene rimborsato Esegui in questa pagina

Ottieni la chiave API
Meta Visione

Ricostruisce una scena 3D da un massimo di 48 immagini o da un video, restituendo mappe di profondità, posa della fotocamera e una nuvola di punti

Meta · Dati (JSON)

Il tuo primo risultato apparirà qui

Crea una richiesta qui sotto ed eseguila con la tua chiave API. Gli output vengono copiati nella nostra archiviazione, conservati per sempre oppure 7 giorni gratuitamente.

Crea una richiesta

I controlli vengono generati dallo schema del modello. Il codice e il prezzo si aggiornano mentre li modifichi.

Avanzate 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
Trascina un file oppure · fino a 48

Immagini sorgenti per la ricostruzione, ciascuna inserita in un quadrato e ridimensionata a una dimensione massima di 518 pixel. Sono accettati JPEG, PNG, WEBP e qualsiasi formato immagine aggiuntivo decodificabile da Pillow.

video_url
Trascina un file oppure

Video sorgente opzionale i cui fotogrammi campionati seguono image_urls nell'input combinato. Il campionamento utilizza ogni `frame_sampling_rate`-esimo fotogramma, includendo sempre il primo e l'ultimo.

alpha_blend_onto predefinito white

La gestione del canale alfa offre quattro opzioni: 'keep' rimuove l'alfa senza modificare i valori dei pixel originali; 'mean' compone sull'RGB medio di ImageNet. Per uno sfondo uniforme, scegli 'white' o 'black' per comporre sul colore corrispondente.

array_encoding predefinito base64

Formato di archiviazione dell'array per i file JSON delle predizioni: 'list' occupa molto più spazio di 'base64'. Scegli 'list' per liste JSON annidate o 'base64' per oggetti contenenti {data, shape, dtype}.

predefinito 24

Intervallo tra fotogrammi applicato solo quando viene fornito un video tramite `video_url`; altrimenti non ha effetto. Entrambi i fotogrammi limite vengono mantenuti indipendentemente dall'intervallo, campionando ogni n-esimo fotogramma intermedio.

predefinito 50

Percentuale di filtraggio basato sulla confidenza per la costruzione della nuvola di punti: 0 disabilita il filtraggio, mentre gli altri valori escludono quella percentuale di punti, iniziando da quelli con minore confidenza.

predefinito 250000

Limite del numero di punti GLB, predefinito a 250,000. Per ridurre i tempi di serializzazione e caricamento, quando la nuvola supera questo budget viene scritto un sottoinsieme campionato uniformemente.

Chiavi escluse da ogni file JSON delle predizioni.

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

Esegui questa richiesta

La tua chiave rimane in questo browser: viene inviata solo al Doitong API e salvata in localStorage solo se selezioni Ricorda. Ottieni una chiave API

Informazioni su VGGT-1B

Stima la geometria da più viste. Fornisci fino a 48 immagini in `image_urls` e, facoltativamente, aggiungi un `video_url` campionato ogni `frame_sampling_rate` fotogrammi. Restituisce mappe di profondità per fotogramma, estrinseci e intrinseci della fotocamera, file di predizione grezzi e una nuvola di punti GLB con coni della fotocamera. `confidence_percentile` e `max_points` controllano la densità della nuvola di punti.

Parametri

Invia il nome canonico oppure il nome nativo, non entrambi. Nomi canonici

NomeTipo PredefinitoConsentiti Descrizione
image_urlsfacoltativo images
Tipourl[] · image
≤ 48 elementi
Immagini sorgenti per la ricostruzione, ciascuna inserita in un quadrato e ridimensionata a una dimensione massima di 518 pixel. Sono accettati JPEG, PNG, WEBP e qualsiasi formato immagine aggiuntivo decodificabile da Pillow.
video_urlfacoltativo video
Tipourl · video
Video sorgente opzionale i cui fotogrammi campionati seguono image_urls nell'input combinato. Il campionamento utilizza ogni `frame_sampling_rate`-esimo fotogramma, includendo sempre il primo e l'ultimo.
frame_sampling_ratefacoltativo
Tipointeger
Predefinito24
1 – 1000
Intervallo tra fotogrammi applicato solo quando viene fornito un video tramite `video_url`; altrimenti non ha effetto. Entrambi i fotogrammi limite vengono mantenuti indipendentemente dall'intervallo, campionando ogni n-esimo fotogramma intermedio.
alpha_blend_ontofacoltativo
Tipoenum
Predefinitowhite
keepwhiteblackmean
La gestione del canale alfa offre quattro opzioni: 'keep' rimuove l'alfa senza modificare i valori dei pixel originali; 'mean' compone sull'RGB medio di ImageNet. Per uno sfondo uniforme, scegli 'white' o 'black' per comporre sul colore corrispondente.
export_prediction_datafacoltativo
Tipoboolean
Predefinitotrue
Esporta le predizioni non elaborate come file JSON separati per i singoli fotogrammi. Ogni file include la profondità e il relativo livello di confidenza, una maschera e la posa della videocamera codificata.
export_depth_mapsfacoltativo
Tipoboolean
Predefinitotrue
Esporta raster di profondità con una mappatura lineare di `depth_range` sui valori dei pixel 0–65535. Ogni fotogramma riceve un PNG in scala di grigi separato con precisione a 16 bit.
export_point_cloudfacoltativo
Tipoboolean
Predefinitotrue
Esporta la nuvola di punti colorata e fusa in formato GLB, con le videocamere stimate rappresentate da singole mesh coniche nella scena.
array_encodingfacoltativo
Tipoenum
Predefinitobase64
base64list
Formato di archiviazione dell'array per i file JSON delle predizioni: 'list' occupa molto più spazio di 'base64'. Scegli 'list' per liste JSON annidate o 'base64' per oggetti contenenti {data, shape, dtype}.
exclude_keysfacoltativo
Tipoenum[]
Chiavi escluse da ogni file JSON delle predizioni.
confidence_percentilefacoltativo
Tiponumber
Predefinito50
0 – 100
Percentuale di filtraggio basato sulla confidenza per la costruzione della nuvola di punti: 0 disabilita il filtraggio, mentre gli altri valori escludono quella percentuale di punti, iniziando da quelli con minore confidenza.
max_pointsfacoltativo
Tipointeger
Predefinito250000
1000 – 5.000.000
Limite del numero di punti GLB, predefinito a 250,000. Per ridurre i tempi di serializzazione e caricamento, quando la nuvola supera questo budget viene scritto un sottoinsieme campionato uniformemente.
enable_safety_checkerfacoltativo
Tipoboolean
Predefinitotrue
Attiva o disattiva i controlli di sicurezza per immagini e video di input.
obbligatorio Nome canonico, accettato anche

I parametri file accettano un URL pubblico https://, un URI data: fino a 10 MB oppure il file_url di un caricamento. 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"
  }
}
I tuoi file, la tua sceltaOgni outputs[].url è una copia nella nostra archiviazione: conservata per sempre (a pagamento per GB-mese) oppure 7 giorni gratuitamente, in base all'impostazione dell'account o a ?storage=.
Stessa struttura per ogni modellotype, url, content_type, width, height e duration, per immagini, video e audio. output è l'oggetto risultato del modello.
Campi dell'output
point_cloud
object {url, content_type, file_name, file_size} | nullEsportazione della nuvola di punti restituita quando `export_point_cloud` è true; la scena GLB combina la nuvola fusa con i coni delle videocamere.
depth_maps
array of object {url, content_type, file_name, file_size, width, height}Esportazione della mappa di profondità disponibile quando `export_depth_maps` è true. Le voci seguono la sequenza dei fotogrammi sorgente, con ogni fotogramma rappresentato da un raster PNG in scala di grigi con profondità a 16 bit.
prediction_data
array of object {url, content_type, file_name, file_size}Esportazione delle predizioni non elaborate: quando `export_prediction_data` è true, ogni fotogramma ha il proprio file JSON e i file seguono la sequenza dei fotogrammi.
num_frames
integerNumero totale di fotogrammi ricostruiti, incluse le immagini e i fotogrammi campionati dal video.
depth_range
array of numberLimiti di profondità [min, max] utilizzati per la quantizzazione di `depth_maps`. Recupera la profondità come min + pixel * (max - min) / 65535.
extrinsics
array of array of array of numberMatrici estrinseche videocamera-da-mondo, di dimensione 3x4, per ogni fotogramma; gli assi OpenCV puntano a destra lungo x, verso il basso lungo y e in avanti lungo z.
intrinsics
array of array of array of numberMatrici intrinseche stenopeiche, di dimensione 3x3, per ogni fotogramma, espresse nelle coordinate pixel del fotogramma 518x518 del modello.
timings
objectTempo trascorso in tempo reale per ogni fase, in secondi.

Per gli agenti AI: questa pagina in Markdown è disponibile all'indirizzo https://doitong.com/it/developers/models/vggt-1b.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt