コンテンツへスキップ

VGGT-1B

統合

モデルID 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"

1 回の実行につき最大 $1.755 実際の使用量に応じて課金され、残額は返金されます このページで実行

APIキーを取得
Meta ビジョン

最大 48 枚の画像または動画から 3D シーンを再構築し、深度マップ、カメラポーズ、点群を返します

Meta · データ (JSON)

最初の結果がここに表示されます

以下でリクエストを作成し、APIキーで実行してください。出力はストレージにコピーされ、永久保存または無料で7日保存されます。

リクエストを作成

コントロールはモデルスキーマから生成されます。値を変更するとコードと価格が更新されます。

詳細設定 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
ファイルをドロップ、または · 48まで

再構成用の元画像。各画像は正方形になるようパディングされ、長い方の寸法が518ピクセルにリサイズされます。JPEG、PNG、WEBP、およびPillowでデコード可能な追加の画像形式を受け付けます。

video_url
ファイルをドロップ、または

結合された入力で image_urls に続くサンプリング済みフレームの元動画(任意)。サンプリングには `frame_sampling_rate` ごとのフレームを使用し、常に最初と最後のフレームを含めます。

alpha_blend_onto デフォルト white

アルファチャンネルの処理には4つの選択肢があります。'keep' は元のピクセル値を変更せずにアルファを除去し、'mean' は ImageNet の平均 RGB に合成します。単色背景には 'white' または 'black' を選び、対応する色に合成します。

array_encoding デフォルト base64

予測 JSON ファイルの配列ストレージ形式。'list' は 'base64' より大幅に多くの容量を使用します。ネストされた JSON リストには 'list' を、{data, shape, dtype} を含むオブジェクトには 'base64' を選択します。

デフォルト 24

`video_url` で動画が指定された場合のみ適用されるフレーム間隔。それ以外では効果がありません。間隔に関係なく両端のフレームは保持され、その間の n 個ごとのフレームがサンプリングされます。

デフォルト 50

点群構築に使用する信頼度ベースのフィルタリング率。0 はフィルタリングを無効にし、それ以外の値は信頼度の低い点から順に、その割合の点を除外します。

デフォルト 250000

GLB の点数上限。デフォルトは 250,000 です。シリアライズとアップロードの遅延を抑えるため、点群がこの予算を超えると均等にサブサンプリングした選択結果が書き込まれます。

すべての予測 JSON ファイルから除外するキー。

POST /run/vggt-1b?wait=20 見積もり → $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"

このリクエストを実行

キーはこのブラウザ内に保持されます。Doitong APIにのみ送信され、「記憶する」にチェックを入れた場合のみlocalStorageに保存されます。 APIキーを取得

VGGT-1Bについて

複数視点からジオメトリを推定します。`image_urls` に最大 48 枚の画像を指定し、任意で `frame_sampling_rate` フレームごとにサンプリングした `video_url` を追加できます。フレームごとの深度マップ、カメラの外部パラメータと内部パラメータ、生の予測ファイル、カメラコーン付きの GLB 点群を返します。`confidence_percentile` と `max_points` で点群の密度を制御します。

パラメータ

正式名称またはネイティブ名のいずれか一方を送信してください。両方は送信しないでください。 正式名称

名前型 デフォルト許可される値 説明
image_urls任意 images
型url[] · image
≤ 48項目
再構成用の元画像。各画像は正方形になるようパディングされ、長い方の寸法が518ピクセルにリサイズされます。JPEG、PNG、WEBP、およびPillowでデコード可能な追加の画像形式を受け付けます。
video_url任意 video
型url · video
結合された入力で image_urls に続くサンプリング済みフレームの元動画(任意)。サンプリングには `frame_sampling_rate` ごとのフレームを使用し、常に最初と最後のフレームを含めます。
frame_sampling_rate任意
型integer
デフォルト24
1 – 1,000
`video_url` で動画が指定された場合のみ適用されるフレーム間隔。それ以外では効果がありません。間隔に関係なく両端のフレームは保持され、その間の n 個ごとのフレームがサンプリングされます。
alpha_blend_onto任意
型enum
デフォルトwhite
keepwhiteblackmean
アルファチャンネルの処理には4つの選択肢があります。'keep' は元のピクセル値を変更せずにアルファを除去し、'mean' は ImageNet の平均 RGB に合成します。単色背景には 'white' または 'black' を選び、対応する色に合成します。
export_prediction_data任意
型boolean
デフォルトtrue
生の予測結果をフレームごとの個別の JSON ファイルとしてエクスポートします。各ファイルには深度とその信頼度、マスク、エンコードされたカメラポーズが含まれます。
export_depth_maps任意
型boolean
デフォルトtrue
`depth_range` をピクセル値 0–65535 に線形マッピングした深度ラスタをエクスポートします。各フレームは16ビット精度の個別のグレースケール PNG になります。
export_point_cloud任意
型boolean
デフォルトtrue
融合されたカラー点群を GLB 形式でエクスポートします。推定カメラはシーン内の個別の円錐メッシュとして表現されます。
array_encoding任意
型enum
デフォルトbase64
base64list
予測 JSON ファイルの配列ストレージ形式。'list' は 'base64' より大幅に多くの容量を使用します。ネストされた JSON リストには 'list' を、{data, shape, dtype} を含むオブジェクトには 'base64' を選択します。
exclude_keys任意
型enum[]
すべての予測 JSON ファイルから除外するキー。
confidence_percentile任意
型number
デフォルト50
0 – 100
点群構築に使用する信頼度ベースのフィルタリング率。0 はフィルタリングを無効にし、それ以外の値は信頼度の低い点から順に、その割合の点を除外します。
max_points任意
型integer
デフォルト250000
1,000 – 5,000,000
GLB の点数上限。デフォルトは 250,000 です。シリアライズとアップロードの遅延を抑えるため、点群がこの予算を超えると均等にサブサンプリングした選択結果が書き込まれます。
enable_safety_checker任意
型boolean
デフォルトtrue
入力画像と動画の安全性チェック切り替え。
必須 正式名称(こちらも使用可能)

ファイルパラメータには、公開されたhttps:// URL、10 MBまでのdata: URI、またはアップロードしたファイルのfile_urlを指定します。 ファイル

出力

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"
  }
}
ファイルの保存期間を選択すべてのoutputs[].urlはストレージ上のコピーです。アカウント設定または?storage=により、永久保存(GB・月単位で有料)または無料で7日保存できます。
すべてのモデルで同じ形式画像、動画、音声のいずれでも、type、url、content_type、width、height、durationが含まれます。outputはモデル独自の結果オブジェクトです。
出力フィールド
point_cloud
object {url, content_type, file_name, file_size} | null`export_point_cloud` が true の場合に返される点群。GLB シーンには融合された点群とカメラの円錐が含まれます。
depth_maps
array of object {url, content_type, file_name, file_size, width, height}`export_depth_maps` が true の場合に利用できる深度マップ。エントリは元のフレーム順に並び、各フレームは16ビット深度のグレースケール PNG ラスタで表されます。
prediction_data
array of object {url, content_type, file_name, file_size}生の予測結果のエクスポート。`export_prediction_data` が true の場合、各フレームに個別の JSON ファイルが割り当てられ、ファイルはフレーム順に並びます。
num_frames
integer画像と動画からサンプリングされたフレームを含む、再構成されたフレームの総数。
depth_range
array of number`depth_maps` の量子化に使用する深度範囲 [min, max]。深度は min + pixel * (max - min) / 65535 で復元します。
extrinsics
array of array of array of number各フレームのカメラからワールドへの外部行列(3x4)。OpenCV の軸は x が右、y が下、z が前を指します。
intrinsics
array of array of array of number各フレームのピンホール内部行列(3x3)。モデルの 518x518 フレームのピクセル座標で表されます。
timings
object各ステージの経過実時間(秒)。

AIエージェント向け:このページのMarkdown版はこちらです: https://doitong.com/ja/developers/models/vggt-1b.md. すべてのモデルとガイド: https://doitong.com/developers/llms.txt