အကြောင်းအရာသို့ ကျော်ရန်

VGGT-1B

ပေါင်းစည်းရန်

မော်ဒယ် 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"

လုပ်ဆောင်မှုတစ်ကြိမ်လျှင် ၁.၇၅၅ $ အထိ အမှန်တကယ် အသုံးပြုမှုအလိုက် ကောက်ခံပြီး ကျန်ငွေကို ငွေပြန်အမ်းသည် ဤစာမျက်နှာတွင် လုပ်ဆောင်ရန်

API ကီး ရယူရန်

ပုံ 48 ပုံအထိ သို့မဟုတ် ဗီဒီယိုတစ်ခုမှ 3D မြင်ကွင်းကို ပြန်လည်တည်ဆောက်ပြီး အနက်မြေပုံများ၊ ကင်မရာ ကိုယ်ဟန်များနှင့် အမှတ်တိမ်တိုက်ကို ပြန်ပေးသည်

Meta · ဒေတာ (JSON)

သင့်ပထမဆုံးရလဒ် ဤနေရာတွင် ပေါ်လာမည်

အောက်တွင် တောင်းဆိုချက်တစ်ခု တည်ဆောက်ပြီး သင့် API ကီးဖြင့် လုပ်ဆောင်ပါ။ ထွက်ရလဒ်များကို ကျွန်ုပ်တို့၏ သိုလှောင်မှုသို့ ကူးယူပြီး အမြဲတမ်း သို့မဟုတ် ၇ ရက် အခမဲ့ သိမ်းထားသည်။

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

ထိန်းချုပ်မှုများကို မော်ဒယ် schema မှ အလိုအလျောက်ဖန်တီးသည်။ ၎င်းတို့ကို ပြောင်းလဲသည်နှင့် code နှင့် စျေးနှုန်းတို့လည်း ပြောင်းလဲမည်။

အဆင့်မြင့် 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
ဖိုင်ကို ဆွဲချပါ၊ သို့မဟုတ် · 48 အထိ

ပြန်လည်တည်ဆောက်ရန် မူရင်းပုံများ။ တစ်ပုံစီကို စတုရန်းပုံစံဖြင့် padding ထည့်ပြီး အရှည်ဆုံးအတိုင်းအတာ 518 pixels သို့ resize လုပ်သည်။ JPEG, PNG, WEBP နှင့် Pillow က decode လုပ်နိုင်သည့် အခြားပုံဖော်မတ်များကို လက်ခံသည်။

video_url
ဖိုင်ကို ဆွဲချပါ၊ သို့မဟုတ်

ပေါင်းစပ်ထည့်သွင်းချက်တွင် image_urls နောက်မှ လိုက်ပါသည့် နမူနာယူထားသော ဖရိမ်များပါဝင်သော ရွေးချယ်နိုင်သည့် မူရင်းဗီဒီယို။ `frame_sampling_rate` ကြိမ်မြောက်ဖရိမ်တိုင်းကို နမူနာယူပြီး ပထမဖရိမ်နှင့် နောက်ဆုံးဖရိမ်ကို အမြဲထည့်သွင်းသည်။

alpha_blend_onto မူလ white

Alpha-channel ကို ကိုင်တွယ်ရန် ရွေးချယ်စရာ 4 ခုရှိသည်: 'keep' သည် မူရင်း pixel တန်ဖိုးများကို မပြောင်းလဲဘဲ alpha ကို ဖယ်ရှားသည်။ 'mean' သည် ImageNet mean RGB နှင့် ပေါင်းစပ်သည်။ တစ်ရောင်တည်းရှိသော နောက်ခံအတွက် သက်ဆိုင်ရာအရောင်နှင့် ပေါင်းစပ်ရန် 'white' သို့မဟုတ် 'black' ကို ရွေးပါ။

array_encoding မူလ base64

ခန့်မှန်း JSON ဖိုင်များအတွက် array သိုလှောင်မှုပုံစံဖြစ်ပြီး 'list' သည် 'base64' ထက် နေရာပိုများစွာယူသည်။ အတွင်းထည့်ထားသော JSON list များအတွက် 'list' သို့မဟုတ် {data, shape, dtype} ပါဝင်သော object များအတွက် 'base64' ကို ရွေးပါ။

မူလ 24

`video_url` မှတစ်ဆင့် ဗီဒီယိုပေးထားသည့်အခါသာ အသုံးပြုသည့် ဖရိမ်ကြားကာလ။ မဟုတ်ပါက အကျိုးသက်ရောက်မှု မရှိပါ။ ကြားကာလမည်မျှပင်ဖြစ်စေ နယ်နိမိတ်ဖရိမ်နှစ်ခုလုံးကို ထိန်းသိမ်းပြီး အလယ်တွင် n ကြိမ်မြောက်ဖရိမ်တိုင်းကို နမူနာယူသည်။

မူလ 50

point-cloud တည်ဆောက်မှုအတွက် ယုံကြည်မှုအခြေပြု စစ်ထုတ်မှုရာခိုင်နှုန်း။ 0 သည် စစ်ထုတ်မှုကို ပိတ်ပြီး အခြားတန်ဖိုးများသည် ယုံကြည်မှုအနည်းဆုံးအမှတ်များမှ စတင်၍ ထိုရာခိုင်နှုန်းအတိုင်း အမှတ်များကို ဖယ်ထုတ်သည်။

မူလ 250000

GLB point-count အများဆုံးကန့်သတ်ချက်၊ မူလတန်ဖိုးမှာ 250,000 ဖြစ်သည်။ serialization နှင့် upload ကြာမြင့်ချိန်ကို လျှော့ချရန် cloud သည် ဤဘတ်ဂျက်ထက်ကျော်လွန်ပါက အညီအမျှ subsample ပြုလုပ်ထားသော ရွေးချယ်မှုကို ရေးသားသည်။

ခန့်မှန်း JSON ဖိုင်တိုင်းမှ ဖယ်ထုတ်မည့် key များ။

POST /run/vggt-1b?wait=20 ကုန်ကျစရိတ် → ၁.၇၅၅ $
# 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"

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

သင့် key သည် ဤဘရောက်ဇာထဲတွင်သာ ရှိမည်ဖြစ်ပြီး Doitong API သို့သာ ပို့မည်။ Remember ကို အမှန်ခြစ်ထားမှသာ (localStorage) တွင် သိမ်းမည်။ API ကီး ရယူရန်

VGGT-1B အကြောင်း

မြင်ကွင်းမျိုးစုံမှ ဂျီဩမေတြီကို ခန့်မှန်းသည်။ `image_urls` တွင် ပုံ 48 ပုံအထိ ပေးနိုင်ပြီး `frame_sampling_rate` ဖရိမ်တိုင်းတွင် ဆမ်ပလင်းလုပ်ထားသော `video_url` ကို ရွေးချယ်ထည့်နိုင်သည်။ ဖရိမ်တစ်ခုချင်းစီအတွက် အနက်မြေပုံများ၊ ကင်မရာ အပြင်ဘက်သတ်မှတ်ချက်များနှင့် အတွင်းဘက်သတ်မှတ်ချက်များ၊ မူရင်းခန့်မှန်းချက်ဖိုင်များနှင့် ကင်မရာ ချွန်ထည်များ ပါသော GLB အမှတ်တိမ်တိုက်ကို ပြန်ပေးသည်။ `confidence_percentile` နှင့် `max_points` တို့က အမှတ်တိမ်တိုက်၏ သိပ်သည်းမှုကို ထိန်းချုပ်သည်။

ပါရာမီတာများ

စံအမည် သို့မဟုတ် မူရင်းအမည် တစ်ခုခုကိုသာ ပို့ပါ၊ နှစ်ခုလုံး မပို့ပါနှင့်။ စံအမည်များ

အမည်အမျိုးအစား မူလတန်ဖိုးခွင့်ပြုထားသည် ဖော်ပြချက်
image_urlsရွေးချယ်နိုင်သည် images
အမျိုးအစားurl[] · image
အကြောင်းအရာ ၄၈ ခုထက် မပိုပါ
ပြန်လည်တည်ဆောက်ရန် မူရင်းပုံများ။ တစ်ပုံစီကို စတုရန်းပုံစံဖြင့် padding ထည့်ပြီး အရှည်ဆုံးအတိုင်းအတာ 518 pixels သို့ resize လုပ်သည်။ JPEG, PNG, WEBP နှင့် Pillow က decode လုပ်နိုင်သည့် အခြားပုံဖော်မတ်များကို လက်ခံသည်။
video_urlရွေးချယ်နိုင်သည် video
အမျိုးအစားurl · video
ပေါင်းစပ်ထည့်သွင်းချက်တွင် image_urls နောက်မှ လိုက်ပါသည့် နမူနာယူထားသော ဖရိမ်များပါဝင်သော ရွေးချယ်နိုင်သည့် မူရင်းဗီဒီယို။ `frame_sampling_rate` ကြိမ်မြောက်ဖရိမ်တိုင်းကို နမူနာယူပြီး ပထမဖရိမ်နှင့် နောက်ဆုံးဖရိမ်ကို အမြဲထည့်သွင်းသည်။
frame_sampling_rateရွေးချယ်နိုင်သည်
အမျိုးအစားinteger
မူလတန်ဖိုး24
၁ – ၁,၀၀၀
`video_url` မှတစ်ဆင့် ဗီဒီယိုပေးထားသည့်အခါသာ အသုံးပြုသည့် ဖရိမ်ကြားကာလ။ မဟုတ်ပါက အကျိုးသက်ရောက်မှု မရှိပါ။ ကြားကာလမည်မျှပင်ဖြစ်စေ နယ်နိမိတ်ဖရိမ်နှစ်ခုလုံးကို ထိန်းသိမ်းပြီး အလယ်တွင် n ကြိမ်မြောက်ဖရိမ်တိုင်းကို နမူနာယူသည်။
alpha_blend_ontoရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုးwhite
keepwhiteblackmean
Alpha-channel ကို ကိုင်တွယ်ရန် ရွေးချယ်စရာ 4 ခုရှိသည်: 'keep' သည် မူရင်း pixel တန်ဖိုးများကို မပြောင်းလဲဘဲ alpha ကို ဖယ်ရှားသည်။ 'mean' သည် ImageNet mean RGB နှင့် ပေါင်းစပ်သည်။ တစ်ရောင်တည်းရှိသော နောက်ခံအတွက် သက်ဆိုင်ရာအရောင်နှင့် ပေါင်းစပ်ရန် 'white' သို့မဟုတ် 'black' ကို ရွေးပါ။
export_prediction_dataရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးtrue
ဖရိမ်တစ်ခုချင်းစီအတွက် မူရင်း prediction များကို သီးခြား JSON ဖိုင်များအဖြစ် export လုပ်သည်။ ဖိုင်တစ်ခုစီတွင် depth နှင့် ၎င်း၏ confidence၊ mask နှင့် encode လုပ်ထားသော camera pose ပါဝင်သည်။
export_depth_mapsရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးtrue
`depth_range` ကို pixel တန်ဖိုး 0–65535 သို့ linear mapping ပြုလုပ်ထားသော depth raster များကို export လုပ်သည်။ ဖရိမ်တစ်ခုစီအတွက် 16-bit precision ရှိသော grayscale PNG တစ်ခုစီ ရရှိသည်။
export_point_cloudရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးtrue
GLB ဖော်မတ်ဖြင့် ပေါင်းစပ်ထားသော အရောင်ပါ point cloud ကို export လုပ်သည်။ ခန့်မှန်းထားသော camera များကို scene အတွင်း သီးခြား cone mesh များဖြင့် ကိုယ်စားပြုသည်။
array_encodingရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုးbase64
base64list
ခန့်မှန်း JSON ဖိုင်များအတွက် array သိုလှောင်မှုပုံစံဖြစ်ပြီး 'list' သည် 'base64' ထက် နေရာပိုများစွာယူသည်။ အတွင်းထည့်ထားသော JSON list များအတွက် 'list' သို့မဟုတ် {data, shape, dtype} ပါဝင်သော object များအတွက် 'base64' ကို ရွေးပါ။
exclude_keysရွေးချယ်နိုင်သည်
အမျိုးအစားenum[]
ခန့်မှန်း JSON ဖိုင်တိုင်းမှ ဖယ်ထုတ်မည့် key များ။
confidence_percentileရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး50
၀ – ၁၀၀
point-cloud တည်ဆောက်မှုအတွက် ယုံကြည်မှုအခြေပြု စစ်ထုတ်မှုရာခိုင်နှုန်း။ 0 သည် စစ်ထုတ်မှုကို ပိတ်ပြီး အခြားတန်ဖိုးများသည် ယုံကြည်မှုအနည်းဆုံးအမှတ်များမှ စတင်၍ ထိုရာခိုင်နှုန်းအတိုင်း အမှတ်များကို ဖယ်ထုတ်သည်။
max_pointsရွေးချယ်နိုင်သည်
အမျိုးအစားinteger
မူလတန်ဖိုး250000
၁,၀၀၀ – ၅,၀၀၀,၀၀၀
GLB point-count အများဆုံးကန့်သတ်ချက်၊ မူလတန်ဖိုးမှာ 250,000 ဖြစ်သည်။ serialization နှင့် upload ကြာမြင့်ချိန်ကို လျှော့ချရန် cloud သည် ဤဘတ်ဂျက်ထက်ကျော်လွန်ပါက အညီအမျှ subsample ပြုလုပ်ထားသော ရွေးချယ်မှုကို ရေးသားသည်။
enable_safety_checkerရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးtrue
ထည့်သွင်းပုံများနှင့် ဗီဒီယိုများအတွက် ဘေးကင်းမှုစစ်ဆေးခြင်း toggle။
လိုအပ်သည် စံအမည်၊ ထို့အပြင် လက်ခံသည်

ဖိုင်ပါရာမီတာများသည် အများပြည်သူသုံး https:// URL၊ 10 MB အထိ data: URI သို့မဟုတ် အပ်လုဒ်လုပ်ထားသောဖိုင်၏ file_url ကို လက်ခံသည်။ ဖိုင်များ

ထွက်ရလဒ်

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"
  }
}
သင့်ဖိုင်များ၊ သင့်ရွေးချယ်မှုoutputs[].url တိုင်းသည် ကျွန်ုပ်တို့၏ သိုလှောင်မှုရှိ မိတ္တူဖြစ်သည်- အမြဲတမ်း (GB-month အလိုက် ငွေပေးရသည်) သို့မဟုတ် ၇ ရက် အခမဲ့၊ သင့်အကောင့်ဆက်တင် သို့မဟုတ် ?storage= ဖြင့် သိမ်းထားသည်။
မော်ဒယ်တိုင်းတွင် ပုံစံတူပုံ၊ ဗီဒီယိုနှင့် အသံတို့အတွက် type၊ url၊ content_type၊ width၊ height နှင့် duration။ output သည် မော်ဒယ်ကိုယ်တိုင်၏ ရလဒ် object ဖြစ်သည်။
ထွက်ရလဒ်၏ Fields များ
point_cloud
object {url, content_type, file_name, file_size} | null`export_point_cloud` သည် true ဖြစ်သောအခါ ပြန်ပေးသည့် point-cloud ထွက်ရလဒ်။ ၎င်း၏ GLB scene တွင် ပေါင်းစပ်ထားသော cloud နှင့် camera cone များ ပါဝင်သည်။
depth_maps
array of object {url, content_type, file_name, file_size, width, height}`export_depth_maps` သည် true ဖြစ်သောအခါ ရရှိနိုင်သော depth-map ထွက်ရလဒ်။ Entry များသည် မူရင်းဖရိမ်အစီအစဉ်အတိုင်းဖြစ်ပြီး ဖရိမ်တစ်ခုစီကို 16-bit depth ရှိ grayscale PNG raster ဖြင့် ကိုယ်စားပြုသည်။
prediction_data
array of object {url, content_type, file_name, file_size}Raw prediction ထွက်ရလဒ်။ `export_prediction_data` သည် true ဖြစ်သောအခါ ဖရိမ်တစ်ခုစီတွင် ကိုယ်ပိုင် JSON ဖိုင်ရှိပြီး ဖိုင်များသည် ဖရိမ်အစီအစဉ်အတိုင်း ဖြစ်သည်။
num_frames
integerပုံများနှင့် ဗီဒီယိုမှ နမူနာယူထားသော ဖရိမ်များအပါအဝင် ပြန်လည်တည်ဆောက်ထားသည့် ဖရိမ်စုစုပေါင်း။
depth_range
array of number`depth_maps` quantization အတွက် အသုံးပြုသည့် depth အကန့်အသတ် [min, max]။ depth ကို min + pixel * (max - min) / 65535 ဖြင့် ပြန်လည်ရယူပါ။
extrinsics
array of array of array of numberဖရိမ်တစ်ခုစီအတွက် 3x4 အရွယ်အစားရှိ camera-from-world extrinsic matrix များ။ OpenCV ဝင်ရိုးများသည် x အတိုင်း ညာဘက်၊ y အတိုင်း အောက်ဘက်နှင့် z အတိုင်း ရှေ့ဘက်သို့ ညွှန်သည်။
intrinsics
array of array of array of numberဖရိမ်တစ်ခုစီအတွက် 3x3 အရွယ်အစားရှိ pinhole intrinsic matrix များကို မော်ဒယ်၏ 518x518 ဖရိမ် pixel ကိုဩဒိနိတ်များဖြင့် ဖော်ပြထားသည်။
timings
objectအဆင့်တစ်ခုစီအတွက် ကုန်ဆုံးသည့် wall-clock အချိန်၊ စက္ကန့်ဖြင့်။

AI အေးဂျင့်များအတွက်- ဤစာမျက်နှာ၏ Markdown ကို ဤနေရာတွင် ရရှိနိုင်သည် https://doitong.com/my/developers/models/vggt-1b.md. မော်ဒယ်များနှင့် လမ်းညွှန်များအားလုံး: https://doitong.com/developers/llms.txt