Op den Inhalt sprangen

VGGT-1B

Integréieren

Modell-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"

Bis zu 1,755 $ pro Laf no der tatsächlecher Notzung verrechent, de Rescht gëtt rembourséiert Op dëser Säit ausféieren

API-Schlëssel kréien
Meta Visioun

Rekonstruéiert eng 3D-Szen aus bis zu 48 Biller oder engem Video a gëtt Déiftekaarten, Kameraposen an eng Punktwollek zeréck

Meta · Donnéeën (JSON)

Äin éischt Resultat kënnt hei hin

Baut hei drënner eng Ufro a féiert se mat Ärem API-Schlëssel aus. Output gëtt an eis Späicherung kopéiert, fir ëmmer oder 7 Deeg gratis gespäichert.

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

Erweidert 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
Fichier erofzéien, oder · bis zu 48

Quellbiller fir d'Rekonstruktioun, all an e Quadrat agebett an op eng längsten Dimensioun vun 518 Pixel skaléiert. JPEG, PNG, WEBP an all zousätzlecht Bildformat, dat Pillow dekodéiere kann, ginn akzeptéiert.

video_url
Fichier erofzéien, oder

Optional Quellvideo, deem seng gesampelte Frame no den image_urls am kombinéierten Input follegen. D'Sampling benotzt all `frame_sampling_rate`-te Frame an enthält ëmmer den éischten an de leschte Frame.

alpha_blend_onto Standard white

D'Behandlung vum Alpha-Kanal bitt véier Méiglechkeeten: 'keep' läscht den Alpha-Kanal ouni déi originell Pixelwäerter z'änneren; 'mean' kombinéiert mam ImageNet-Moyenne-RGB. Fir en eenheetlechen Hannergrond wielt 'white' oder 'black', fir mat der entspriechender Faarf ze kombinéieren.

array_encoding Standard base64

Array-Späicherformat fir Prognose-JSON-Dateien, woubäi 'list' vill méi Plaz wéi 'base64' brauch. Wielt 'list' fir verschachtelt JSON-Lëschten oder 'base64' fir Objeten mat {data, shape, dtype}.

Standard 24

Frame-Intervall, dat nëmmen ugewannt gëtt, wann e Video iwwer `video_url` geliwwert gëtt; soss huet et keen Effekt. Béid Grenzframe bleiwen onofhängeg vum Intervall erhalen, an all n-ten Frame dertëscht gëtt ausgewielt.

Standard 50

Konfidenzbaséierte Filterprozentsaz fir d'Punktwollek-Konstruktioun: 0 deaktivéiert de Filter, aner Wäerter schléissen dee Prozentsaz u Punkte aus, ugefaange mat deenen mat der niddregster Konfidenz.

Standard 250000

GLB-Limit fir d'Punktzuel, Standard ass 250,000. Fir Serialiséierungs- an Upload-Latenz niddreg ze halen, gëtt eng gläichméisseg subsamplete Auswiel geschriwwen, wann d'Wollek dëse Budget iwwerschreit.

Schlësselen, déi aus all Prognose-JSON-Datei ausgeschloss ginn.

POST /run/vggt-1b?wait=20 Präis → 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"

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer VGGT-1B

Schätzt d'Geometrie aus verschiddene Perspektiven. Gitt bis zu 48 Biller an `image_urls` un a füügt optional e `video_url` bäi, deen all `frame_sampling_rate` Frames ofgetast gëtt. Zeréckgi ginn Déiftekaarten pro Frame, Kamera-Extrinsiken an -Intrinsiken, réi Prognosdateien an eng GLB-Punktwollek mat Kamerakonen. `confidence_percentile` an `max_points` kontrolléieren d'Dicht vun der Punktwollek.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
image_urlsoptional images
Typurl[] · image
≤ 48 Elementer
Quellbiller fir d'Rekonstruktioun, all an e Quadrat agebett an op eng längsten Dimensioun vun 518 Pixel skaléiert. JPEG, PNG, WEBP an all zousätzlecht Bildformat, dat Pillow dekodéiere kann, ginn akzeptéiert.
video_urloptional video
Typurl · video
Optional Quellvideo, deem seng gesampelte Frame no den image_urls am kombinéierten Input follegen. D'Sampling benotzt all `frame_sampling_rate`-te Frame an enthält ëmmer den éischten an de leschte Frame.
frame_sampling_rateoptional
Typinteger
Standard24
1 – 1.000
Frame-Intervall, dat nëmmen ugewannt gëtt, wann e Video iwwer `video_url` geliwwert gëtt; soss huet et keen Effekt. Béid Grenzframe bleiwen onofhängeg vum Intervall erhalen, an all n-ten Frame dertëscht gëtt ausgewielt.
alpha_blend_ontooptional
Typenum
Standardwhite
keepwhiteblackmean
D'Behandlung vum Alpha-Kanal bitt véier Méiglechkeeten: 'keep' läscht den Alpha-Kanal ouni déi originell Pixelwäerter z'änneren; 'mean' kombinéiert mam ImageNet-Moyenne-RGB. Fir en eenheetlechen Hannergrond wielt 'white' oder 'black', fir mat der entspriechender Faarf ze kombinéieren.
export_prediction_dataoptional
Typboolean
Standardtrue
Raw-Prognosen als separat JSON-Dateie fir eenzel Frame exportéieren. All Datei enthält d'Déift an hir Konfidenz, eng Mask an d'kodéiert Kamerapositioun.
export_depth_mapsoptional
Typboolean
Standardtrue
Déiftrasters mat enger linearer Ëmrechnung vun `depth_range` op Pixelwäerter vun 0–65535 exportéieren. All Frame kritt e separaten 16-Bit-Graustufen-PNG.
export_point_cloudoptional
Typboolean
Standardtrue
Déi fusionéiert faarweg Punktwollek am GLB-Format exportéieren, mat geschätzte Kameraen, déi duerch eenzel Kegelmess am Szen duergestallt ginn.
array_encodingoptional
Typenum
Standardbase64
base64list
Array-Späicherformat fir Prognose-JSON-Dateien, woubäi 'list' vill méi Plaz wéi 'base64' brauch. Wielt 'list' fir verschachtelt JSON-Lëschten oder 'base64' fir Objeten mat {data, shape, dtype}.
exclude_keysoptional
Typenum[]
Schlësselen, déi aus all Prognose-JSON-Datei ausgeschloss ginn.
confidence_percentileoptional
Typnumber
Standard50
0 – 100
Konfidenzbaséierte Filterprozentsaz fir d'Punktwollek-Konstruktioun: 0 deaktivéiert de Filter, aner Wäerter schléissen dee Prozentsaz u Punkte aus, ugefaange mat deenen mat der niddregster Konfidenz.
max_pointsoptional
Typinteger
Standard250000
1.000 – 5.000.000
GLB-Limit fir d'Punktzuel, Standard ass 250,000. Fir Serialiséierungs- an Upload-Latenz niddreg ze halen, gëtt eng gläichméisseg subsamplete Auswiel geschriwwen, wann d'Wollek dëse Budget iwwerschreit.
enable_safety_checkeroptional
Typboolean
Standardtrue
Sécherheetskontroll fir Input-Biller a Video.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
point_cloud
object {url, content_type, file_name, file_size} | nullPunktwollek-Export, dee zeréckginn gëtt, wann `export_point_cloud` true ass; seng GLB-Szen kombinéiert déi fusionéiert Wollek mat Kamerakegelen.
depth_maps
array of object {url, content_type, file_name, file_size, width, height}Déiftkaart-Export, verfügbar wann `export_depth_maps` true ass. D'Entréeë follegen der Quell-Frame-Reiefolleg, woubäi all Frame als 16-Bit-Graustufenraster am PNG-Format duergestallt gëtt.
prediction_data
array of object {url, content_type, file_name, file_size}Raw-Prognose-Export: wann `export_prediction_data` true ass, huet all Frame seng eege JSON-Datei, an d'Dateie follegen der Frame-Reiefolleg.
num_frames
integerTotal rekonstruéierten Frame-Count, inklusiv Biller a Frame, déi aus Video gesampelt goufen.
depth_range
array of numberDéiftgrenzen [min, max], déi fir d'Quantiséierung vun `depth_maps` benotzt ginn. Déift kann als min + pixel * (max - min) / 65535 rekonstruéiert ginn.
extrinsics
array of array of array of numberExtrinsesch Kamera-aus-Welt-Matrize vun der Gréisst 3x4 fir all Frame; d'OpenCV-Achse weisen no riets laanscht x, no ënnen laanscht y a no vir laanscht z.
intrinsics
array of array of array of numberPinhole-intrinsesch Matrize vun der Gréisst 3x3 fir all Frame, ausgedréckt a Pixelkoordinate vum 518x518-Frame vum Modell.
timings
objectVergaangen Echtzäit fir all Etapp, a Sekonnen.

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/vggt-1b.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt