Avançar 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 com base na utilização 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, devolvendo mapas de profundidade, poses de câmara e uma nuvem de pontos

Meta · Dados (JSON)

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que 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
Largue um ficheiro ou · até 48

Imagens de origem da reconstrução, cada uma expandida para um quadrado e redimensionada para uma dimensão máxima de 518 píxeis. São aceites JPEG, PNG, WEBP e qualquer formato de imagem adicional descodificável pelo Pillow.

video_url
Largue um ficheiro ou

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

alpha_blend_onto predefinição white

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

array_encoding predefinição base64

Formato de armazenamento dos arrays dos ficheiros JSON de previsão, sendo 'list' muito mais pesado do que 'base64'. Escolha 'list' para listas JSON aninhadas ou 'base64' para objetos que contenham {data, shape, dtype}.

predefinição 24

Intervalo de frames aplicado apenas quando é fornecido um vídeo através de `video_url`; caso contrário, não tem efeito. Ambos os frames de limite são mantidos independentemente do intervalo, sendo amostrado cada n-ésimo frame entre eles.

predefinição 50

Percentagem de filtragem baseada na confiança para construir a nuvem de pontos: 0 desativa a filtragem, enquanto os outros valores excluem essa percentagem de pontos, começando pelos menos confiantes.

predefinição 250000

Limite de pontos GLB, com predefinição de 250,000. Para reduzir a latência da serialização e do carregamento, é gravada uma seleção subamostrada uniformemente quando a nuvem excede este orçamento.

Chaves excluídas de todos os ficheiros 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 este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar Lembrar. Obter uma chave de API

Sobre VGGT-1B

Estima a geometria a partir de várias vistas. Forneça até 48 imagens em `image_urls` e, opcionalmente, adicione um `video_url` amostrado a cada `frame_sampling_rate` fotogramas. Devolve mapas de profundidade por fotograma, parâmetros extrínsecos e intrínsecos da câmara, ficheiros de predição brutos e uma nuvem de pontos GLB com cones de câmara. `confidence_percentile` e `max_points` controlam a densidade da nuvem de pontos.

Parâmetros

Envie o nome canónico ou o nome nativo, não ambos. Nomes canónicos

NomeTipo PredefiniçãoPermitido Descrição
image_urlsopcional images
Tipourl[] · image
≤ 48 itens
Imagens de origem da reconstrução, cada uma expandida para um quadrado e redimensionada para uma dimensão máxima de 518 píxeis. São aceites JPEG, PNG, WEBP e qualquer formato de imagem adicional descodificável pelo Pillow.
video_urlopcional video
Tipourl · video
Vídeo de origem opcional cujos frames amostrados seguem image_urls na entrada combinada. A amostragem utiliza cada `frame_sampling_rate`-ésimo frame, incluindo sempre o primeiro e o último frame.
frame_sampling_rateopcional
Tipointeger
Predefinição24
1 – 1000
Intervalo de frames aplicado apenas quando é fornecido um vídeo através de `video_url`; caso contrário, não tem efeito. Ambos os frames de limite são mantidos independentemente do intervalo, sendo amostrado cada n-ésimo frame entre eles.
alpha_blend_ontoopcional
Tipoenum
Predefiniçãowhite
keepwhiteblackmean
O tratamento do canal alfa oferece quatro opções: 'keep' remove o alfa sem alterar os valores dos pixels originais; '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
Predefiniçãotrue
Exporta as previsões brutas como ficheiros JSON separados para frames individuais. Cada ficheiro inclui a profundidade e a respetiva confiança, uma máscara e a pose da câmara codificada.
export_depth_mapsopcional
Tipoboolean
Predefiniçãotrue
Exporta mapas de profundidade com um mapeamento linear de `depth_range` para valores de pixel 0–65535. Cada frame recebe um PNG em escala de cinzentos separado, com precisão de 16 bits.
export_point_cloudopcional
Tipoboolean
Predefiniçãotrue
Exporta a nuvem de pontos colorida fundida em formato GLB, com as câmaras estimadas representadas por malhas cónicas individuais na cena.
array_encodingopcional
Tipoenum
Predefiniçãobase64
base64list
Formato de armazenamento dos arrays dos ficheiros JSON de previsão, sendo 'list' muito mais pesado do que 'base64'. Escolha 'list' para listas JSON aninhadas ou 'base64' para objetos que contenham {data, shape, dtype}.
exclude_keysopcional
Tipoenum[]
Chaves excluídas de todos os ficheiros JSON de previsão.
confidence_percentileopcional
Tiponumber
Predefinição50
0 – 100
Percentagem de filtragem baseada na confiança para construir a nuvem de pontos: 0 desativa a filtragem, enquanto os outros valores excluem essa percentagem de pontos, começando pelos menos confiantes.
max_pointsopcional
Tipointeger
Predefinição250000
1000 – 5 000 000
Limite de pontos GLB, com predefinição de 250,000. Para reduzir a latência da serialização e do carregamento, é gravada uma seleção subamostrada uniformemente quando a nuvem excede este orçamento.
enable_safety_checkeropcional
Tipoboolean
Predefiniçãotrue
Ativação das verificações de segurança para imagens e vídeo de entrada.
obrigatório Nome canónico, também aceite

Os parâmetros de ficheiro aceitam um URL https:// público, um URI data: até 10 MB ou o file_url de um carregamento. Ficheiros

Resultado

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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
point_cloud
object {url, content_type, file_name, file_size} | nullExportação da nuvem de pontos devolvida quando `export_point_cloud` é true; a respetiva cena GLB combina a nuvem fundida com cones de câmara.
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 frames de origem, sendo cada frame representado por um raster PNG em escala de cinzentos com profundidade de 16 bits.
prediction_data
array of object {url, content_type, file_name, file_size}Exportação de previsões brutas: quando `export_prediction_data` é true, cada frame tem o seu próprio ficheiro JSON e os ficheiros seguem a sequência de frames.
num_frames
integerNúmero total de frames reconstruídos, incluindo imagens e frames amostrados do vídeo.
depth_range
array of numberLimites de profundidade [min, max] utilizados para a quantização de `depth_maps`. Recupere a profundidade como min + pixel * (max - min) / 65535.
extrinsics
array of array of array of numberMatrizes extrínsecas câmara-mundo, com tamanho 3x4, para cada frame; os eixos do OpenCV apontam para a direita em x, para baixo em y e para a frente em z.
intrinsics
array of array of array of numberMatrizes intrínsecas de câmara pinhole, com tamanho 3x3, para cada frame, expressas em coordenadas de pixel do frame 518x518 do modelo.
timings
objectTempo decorrido de relógio para cada etapa, em segundos.

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