Ir para o conteúdo

VGGT-1B

Integrar

ID do modelo 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"

Até $ 1,755 por execução cobrado pelo uso real, o restante é reembolsado Executar nesta página

Obter chave de API
Meta Visão

Reconstrói uma cena 3D a partir de até 48 imagens ou de um vídeo, retornando mapas de profundidade, poses de câmera e uma nuvem de pontos

Meta · Dados (JSON)

Seu primeiro resultado aparecerá aqui

Monte uma requisição abaixo e execute-a com sua chave de API. As saídas são copiadas para nosso armazenamento, mantidas para sempre ou por 7 dias gratuitamente.

Criar uma solicitação

Os controles são gerados a partir do esquema do modelo. O código e o preço são atualizados conforme você os altera.

Avançado 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
Solte um arquivo ou · até 48

Imagens de origem da reconstrução, cada uma preenchida para formar um quadrado e redimensionada para uma dimensão máxima de 518 pixels. JPEG, PNG, WEBP e qualquer formato de imagem adicional decodificável pelo Pillow são aceitos.

video_url
Solte um arquivo ou

Vídeo de origem opcional cujos quadros amostrados seguem image_urls na entrada combinada. A amostragem usa cada `frame_sampling_rate`-ésimo quadro, incluindo sempre o primeiro e o último quadro.

alpha_blend_onto padrão white

O tratamento do canal alfa oferece quatro opções: 'keep' remove o alfa sem alterar os valores originais dos pixels; 'mean' compõe sobre a média RGB do ImageNet. Para um fundo sólido, escolha 'white' ou 'black' para compor sobre a cor correspondente.

array_encoding padrão base64

Formato de armazenamento de arrays para arquivos JSON de previsão, com 'list' ocupando muito mais espaço que 'base64'. Escolha 'list' para listas JSON aninhadas ou 'base64' para objetos contendo {data, shape, dtype}.

padrão 24

Intervalo de quadros aplicado somente quando um vídeo é fornecido por `video_url`; caso contrário, não tem efeito. Ambos os quadros-limite são mantidos independentemente do intervalo, com cada enésimo quadro amostrado entre eles.

padrão 50

Percentual de filtragem baseado em confiança para a construção da nuvem de pontos: 0 desativa a filtragem, enquanto outros valores excluem esse percentual de pontos, começando pelos menos confiáveis.

padrão 250000

Limite de quantidade de pontos do GLB, com padrão de 250,000. Para reduzir a latência de serialização e upload, uma seleção subamostrada uniformemente é gravada quando a nuvem excede esse limite.

Chaves excluídas de todos os arquivos JSON de previsão.

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

Executar esta solicitação

Sua chave permanece neste navegador: ela é enviada somente à Doitong API e salva (localStorage) apenas se você marcar Lembrar. Obter uma chave de API

Sobre VGGT-1B

Estima a geometria a partir de múltiplas vistas. Forneça até 48 imagens em `image_urls` e, opcionalmente, adicione um `video_url` amostrado a cada `frame_sampling_rate` quadros. Retorna mapas de profundidade por quadro, parâmetros extrínsecos e intrínsecos da câmera, arquivos brutos de previsão e uma nuvem de pontos GLB com cones de câmera. `confidence_percentile` e `max_points` controlam a densidade da nuvem de pontos.

Parâmetros

Envie o nome canônico ou o nome nativo, não ambos. Nomes canônicos

NomeTipo PadrãoPermitido Descrição
image_urlsopcional images
Tipourl[] · image
≤ 48 itens
Imagens de origem da reconstrução, cada uma preenchida para formar um quadrado e redimensionada para uma dimensão máxima de 518 pixels. JPEG, PNG, WEBP e qualquer formato de imagem adicional decodificável pelo Pillow são aceitos.
video_urlopcional video
Tipourl · video
Vídeo de origem opcional cujos quadros amostrados seguem image_urls na entrada combinada. A amostragem usa cada `frame_sampling_rate`-ésimo quadro, incluindo sempre o primeiro e o último quadro.
frame_sampling_rateopcional
Tipointeger
Padrão24
1 – 1.000
Intervalo de quadros aplicado somente quando um vídeo é fornecido por `video_url`; caso contrário, não tem efeito. Ambos os quadros-limite são mantidos independentemente do intervalo, com cada enésimo quadro amostrado entre eles.
alpha_blend_ontoopcional
Tipoenum
Padrãowhite
keepwhiteblackmean
O tratamento do canal alfa oferece quatro opções: 'keep' remove o alfa sem alterar os valores originais dos pixels; 'mean' compõe sobre a média RGB do ImageNet. Para um fundo sólido, escolha 'white' ou 'black' para compor sobre a cor correspondente.
export_prediction_dataopcional
Tipoboolean
Padrãotrue
Exporta previsões brutas como arquivos JSON separados para quadros individuais. Cada arquivo inclui a profundidade e sua confiança, uma máscara e a pose da câmera codificada.
export_depth_mapsopcional
Tipoboolean
Padrãotrue
Exporta mapas de profundidade com um mapeamento linear de `depth_range` para valores de pixel de 0–65535. Cada quadro recebe um PNG em tons de cinza separado, com precisão de 16 bits.
export_point_cloudopcional
Tipoboolean
Padrãotrue
Exporta a nuvem de pontos colorida fundida no formato GLB, com as câmeras estimadas representadas por malhas cônicas individuais na cena.
array_encodingopcional
Tipoenum
Padrãobase64
base64list
Formato de armazenamento de arrays para arquivos JSON de previsão, com 'list' ocupando muito mais espaço que 'base64'. Escolha 'list' para listas JSON aninhadas ou 'base64' para objetos contendo {data, shape, dtype}.
exclude_keysopcional
Tipoenum[]
Chaves excluídas de todos os arquivos JSON de previsão.
confidence_percentileopcional
Tiponumber
Padrão50
0 – 100
Percentual de filtragem baseado em confiança para a construção da nuvem de pontos: 0 desativa a filtragem, enquanto outros valores excluem esse percentual de pontos, começando pelos menos confiáveis.
max_pointsopcional
Tipointeger
Padrão250000
1.000 – 5.000.000
Limite de quantidade de pontos do GLB, com padrão de 250,000. Para reduzir a latência de serialização e upload, uma seleção subamostrada uniformemente é gravada quando a nuvem excede esse limite.
enable_safety_checkeropcional
Tipoboolean
Padrãotrue
Ativação das verificações de segurança para imagens e vídeo de entrada.
obrigatório Nome canônico, também aceito

Os parâmetros de arquivo aceitam uma URL https:// pública, um URI data: de até 10 MB ou o file_url de um upload. Arquivos

Saída

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"
  }
}
Seus arquivos, sua escolhaCada outputs[].url é uma cópia em nosso armazenamento: mantida para sempre (cobrada por GB-mês) ou por 7 dias gratuitamente, conforme a configuração da sua conta ou ?storage=.
Mesmo formato em todos os modelostype, url, content_type, width, height e duration, para imagens, vídeos e áudios. output é o próprio objeto de resultado do modelo.
Campos da saída
point_cloud
object {url, content_type, file_name, file_size} | nullExportação da nuvem de pontos retornada quando `export_point_cloud` é true; sua cena GLB combina a nuvem fundida com cones de câmera.
depth_maps
array of object {url, content_type, file_name, file_size, width, height}Exportação do mapa de profundidade disponível quando `export_depth_maps` é true. As entradas seguem a sequência de quadros de origem, com cada quadro representado por um raster PNG em tons de cinza com profundidade de 16 bits.
prediction_data
array of object {url, content_type, file_name, file_size}Exportação da previsão bruta: quando `export_prediction_data` é true, cada quadro tem seu próprio arquivo JSON, e os arquivos seguem a sequência de quadros.
num_frames
integerQuantidade total de quadros reconstruídos, incluindo imagens e quadros amostrados do vídeo.
depth_range
array of numberLimites de profundidade [min, max] usados para a quantização de `depth_maps`. Recupere a profundidade como min + pixel * (max - min) / 65535.
extrinsics
array of array of array of numberMatrizes extrínsecas câmera-mundo, de tamanho 3x4, para cada quadro; os eixos do OpenCV apontam para a direita ao longo de x, para baixo ao longo de y e para frente ao longo de z.
intrinsics
array of array of array of numberMatrizes intrínsecas pinhole, de tamanho 3x3, para cada quadro, expressas nas coordenadas de pixel do quadro 518x518 do modelo.
timings
objectTempo de relógio decorrido para cada etapa, em segundos.

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/vggt-1b.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt