ข้ามไปยังเนื้อหา

VGGT-1B

ผสานการทำงาน

ID โมเดล 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"

สูงสุด $1.755 ต่อการเรียกใช้ คิดค่าบริการตามการใช้งานจริง ส่วนที่เหลือจะคืนเงิน เรียกใช้ในหน้านี้

รับคีย์ API

สร้างฉาก 3D จากภาพสูงสุด 48 ภาพหรือวิดีโอ โดยส่งคืนแผนที่ความลึก ตำแหน่งกล้อง และพอยต์คลาวด์

Meta · ข้อมูล (JSON)

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

ขั้นสูง 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
วางไฟล์ หรือ · สูงสุด 48

รูปภาพต้นฉบับสำหรับการสร้างใหม่ โดยเติมขอบแต่ละรูปให้เป็นสี่เหลี่ยมจัตุรัสและปรับขนาดให้ด้านที่ยาวที่สุดมีขนาด 518 พิกเซล รองรับ JPEG, PNG, WEBP และรูปแบบรูปภาพเพิ่มเติมใด ๆ ที่ Pillow ถอดรหัสได้

video_url
วางไฟล์ หรือ

วิดีโอต้นฉบับเสริมที่เฟรมซึ่งสุ่มตัวอย่างจะต่อจาก image_urls ในอินพุตแบบรวม การสุ่มตัวอย่างใช้ทุกเฟรมลำดับที่ `frame_sampling_rate` โดยรวมเฟรมแรกและเฟรมสุดท้ายเสมอ

alpha_blend_onto ค่าเริ่มต้น white

การจัดการช่อง alpha มีสี่ตัวเลือก: 'keep' จะลบ alpha โดยไม่เปลี่ยนค่าพิกเซลต้นฉบับ; 'mean' จะคอมโพสิตกับค่าเฉลี่ย RGB ของ ImageNet สำหรับพื้นหลังสีทึบ ให้เลือก 'white' หรือ 'black' เพื่อคอมโพสิตกับสีที่ตรงกัน

array_encoding ค่าเริ่มต้น base64

รูปแบบการจัดเก็บอาร์เรย์สำหรับไฟล์ JSON ของการพยากรณ์ โดย 'list' ใช้พื้นที่มากกว่า 'base64' อย่างมาก เลือก 'list' สำหรับรายการ JSON แบบซ้อน หรือ 'base64' สำหรับออบเจ็กต์ที่มี {data, shape, dtype}

ค่าเริ่มต้น 24

ช่วงห่างของเฟรมที่ใช้เฉพาะเมื่อส่งวิดีโอผ่าน `video_url` มิฉะนั้นจะไม่มีผล เฟรมขอบเขตทั้งสองจะถูกเก็บไว้เสมอ โดยสุ่มตัวอย่างทุกเฟรมลำดับที่ n ระหว่างนั้น

ค่าเริ่มต้น 50

เปอร์เซ็นต์การกรองตามค่าความเชื่อมั่นสำหรับการสร้างพอยต์คลาวด์: 0 จะปิดการกรอง ส่วนค่าอื่นจะตัดจุดตามเปอร์เซ็นต์นั้น โดยเริ่มจากจุดที่มีความเชื่อมั่นต่ำที่สุด

ค่าเริ่มต้น 250000

ขีดจำกัดจำนวนจุด GLB โดยค่าเริ่มต้นคือ 250,000 หากพอยต์คลาวด์มีจำนวนเกินงบประมาณนี้ ระบบจะเขียนชุดจุดที่สุ่มตัวอย่างอย่างสม่ำเสมอเพื่อลดเวลาในการทำซีเรียลไลซ์และอัปโหลด

คีย์ที่ไม่รวมอยู่ในไฟล์ JSON ของการพยากรณ์ทุกไฟล์

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

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ VGGT-1B

ประเมินเรขาคณิตจากมุมมองหลายมุม ส่งภาพสูงสุด 48 ภาพใน `image_urls` และเพิ่ม `video_url` ได้ โดยสุ่มตัวอย่างทุก ๆ `frame_sampling_rate` เฟรม ระบบส่งคืนแผนที่ความลึกต่อเฟรม พารามิเตอร์ภายนอกและภายในของกล้อง ไฟล์ผลการคาดการณ์ดิบ และพอยต์คลาวด์ GLB พร้อมกรวยกล้อง `confidence_percentile` และ `max_points` ใช้ควบคุมความหนาแน่นของพอยต์คลาวด์

พารามิเตอร์

ส่งชื่อมาตรฐานหรือชื่อดั้งเดิมอย่างใดอย่างหนึ่งเท่านั้น ห้ามส่งทั้งสองชื่อ ชื่อมาตรฐาน

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
image_urlsไม่บังคับ images
ประเภทurl[] · image
≤ 48 รายการ
รูปภาพต้นฉบับสำหรับการสร้างใหม่ โดยเติมขอบแต่ละรูปให้เป็นสี่เหลี่ยมจัตุรัสและปรับขนาดให้ด้านที่ยาวที่สุดมีขนาด 518 พิกเซล รองรับ JPEG, PNG, WEBP และรูปแบบรูปภาพเพิ่มเติมใด ๆ ที่ Pillow ถอดรหัสได้
video_urlไม่บังคับ video
ประเภทurl · video
วิดีโอต้นฉบับเสริมที่เฟรมซึ่งสุ่มตัวอย่างจะต่อจาก image_urls ในอินพุตแบบรวม การสุ่มตัวอย่างใช้ทุกเฟรมลำดับที่ `frame_sampling_rate` โดยรวมเฟรมแรกและเฟรมสุดท้ายเสมอ
frame_sampling_rateไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น24
1 – 1,000
ช่วงห่างของเฟรมที่ใช้เฉพาะเมื่อส่งวิดีโอผ่าน `video_url` มิฉะนั้นจะไม่มีผล เฟรมขอบเขตทั้งสองจะถูกเก็บไว้เสมอ โดยสุ่มตัวอย่างทุกเฟรมลำดับที่ n ระหว่างนั้น
alpha_blend_ontoไม่บังคับ
ประเภทenum
ค่าเริ่มต้นwhite
keepwhiteblackmean
การจัดการช่อง alpha มีสี่ตัวเลือก: 'keep' จะลบ alpha โดยไม่เปลี่ยนค่าพิกเซลต้นฉบับ; 'mean' จะคอมโพสิตกับค่าเฉลี่ย RGB ของ ImageNet สำหรับพื้นหลังสีทึบ ให้เลือก 'white' หรือ 'black' เพื่อคอมโพสิตกับสีที่ตรงกัน
export_prediction_dataไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
ส่งออกการคาดการณ์ดิบเป็นไฟล์ JSON แยกกันสำหรับแต่ละเฟรม แต่ละไฟล์ประกอบด้วยความลึกและค่าความมั่นใจของความลึก มาสก์ และตำแหน่งกล้องที่เข้ารหัส
export_depth_mapsไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
ส่งออกแรสเตอร์ความลึกโดยแมปเชิงเส้นจาก `depth_range` ไปเป็นค่าพิกเซล 0–65535 แต่ละเฟรมจะได้ไฟล์ PNG ระดับสีเทาแยกกันที่ความแม่นยำ 16 บิต
export_point_cloudไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
ส่งออกพอยต์คลาวด์สีที่รวมแล้วในรูปแบบ GLB โดยแสดงกล้องที่ประมาณค่าไว้เป็นเมชทรงกรวยแต่ละชิ้นในฉาก
array_encodingไม่บังคับ
ประเภทenum
ค่าเริ่มต้นbase64
base64list
รูปแบบการจัดเก็บอาร์เรย์สำหรับไฟล์ JSON ของการพยากรณ์ โดย 'list' ใช้พื้นที่มากกว่า 'base64' อย่างมาก เลือก 'list' สำหรับรายการ JSON แบบซ้อน หรือ 'base64' สำหรับออบเจ็กต์ที่มี {data, shape, dtype}
exclude_keysไม่บังคับ
ประเภทenum[]
คีย์ที่ไม่รวมอยู่ในไฟล์ JSON ของการพยากรณ์ทุกไฟล์
confidence_percentileไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น50
0 – 100
เปอร์เซ็นต์การกรองตามค่าความเชื่อมั่นสำหรับการสร้างพอยต์คลาวด์: 0 จะปิดการกรอง ส่วนค่าอื่นจะตัดจุดตามเปอร์เซ็นต์นั้น โดยเริ่มจากจุดที่มีความเชื่อมั่นต่ำที่สุด
max_pointsไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น250000
1,000 – 5,000,000
ขีดจำกัดจำนวนจุด GLB โดยค่าเริ่มต้นคือ 250,000 หากพอยต์คลาวด์มีจำนวนเกินงบประมาณนี้ ระบบจะเขียนชุดจุดที่สุ่มตัวอย่างอย่างสม่ำเสมอเพื่อลดเวลาในการทำซีเรียลไลซ์และอัปโหลด
enable_safety_checkerไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
ตัวเลือกเปิด/ปิดการตรวจสอบความปลอดภัยสำหรับรูปภาพและวิดีโออินพุต
จำเป็น ชื่อมาตรฐาน ซึ่งรองรับเช่นกัน

พารามิเตอร์ไฟล์รับ URL https:// สาธารณะ, data: URI ขนาดไม่เกิน 10 MB หรือ file_url ของไฟล์ที่อัปโหลด ไฟล์

เอาต์พุต

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"
  }
}
ไฟล์ของคุณ คุณเลือกเองทุก outputs[].url คือสำเนาบนพื้นที่จัดเก็บของเรา: เก็บไว้ตลอดไป (คิดค่าบริการต่อ GB-เดือน) หรือฟรี 7 วัน โดยกำหนดได้ในการตั้งค่าบัญชีหรือ ?storage=
รูปแบบเดียวกันในทุกโมเดลtype, url, content_type, width, height และ duration สำหรับภาพ วิดีโอ และเสียงเหมือนกันทั้งหมด ส่วน output คือออบเจ็กต์ผลลัพธ์ของโมเดลเอง
ฟิลด์ของเอาต์พุต
point_cloud
object {url, content_type, file_name, file_size} | nullเอาต์พุตพอยต์คลาวด์ที่ส่งกลับเมื่อ `export_point_cloud` เป็น true โดยฉาก GLB จะรวมคลาวด์ที่ผสานแล้วเข้ากับกรวยกล้อง
depth_maps
array of object {url, content_type, file_name, file_size, width, height}เอาต์พุตแผนที่ความลึกที่ใช้ได้เมื่อ `export_depth_maps` เป็น true รายการจะเรียงตามลำดับเฟรมต้นฉบับ โดยแต่ละเฟรมแสดงเป็นแรสเตอร์ PNG ระดับสีเทาที่ความลึก 16 บิต
prediction_data
array of object {url, content_type, file_name, file_size}เอาต์พุตข้อมูลการพยากรณ์ดิบ: เมื่อ `export_prediction_data` เป็น true แต่ละเฟรมจะมีไฟล์ JSON ของตัวเอง และไฟล์จะเรียงตามลำดับเฟรม
num_frames
integerจำนวนเฟรมที่สร้างขึ้นใหม่ทั้งหมด รวมรูปภาพและเฟรมที่สุ่มตัวอย่างจากวิดีโอ
depth_range
array of numberขอบเขตความลึก [min, max] ที่ใช้สำหรับการควอนไทซ์ `depth_maps` กู้คืนความลึกได้เป็น min + pixel * (max - min) / 65535
extrinsics
array of array of array of numberเมทริกซ์เอ็กซ์ทรินซิกของกล้องจากโลก ขนาด 3x4 สำหรับแต่ละเฟรม โดยแกนของ OpenCV ชี้ไปทางขวาตาม x ลงตาม y และไปข้างหน้าตาม z
intrinsics
array of array of array of numberเมทริกซ์อินทรินซิกแบบพินโฮล ขนาด 3x3 สำหรับแต่ละเฟรม แสดงในพิกัดพิกเซลของเฟรมโมเดลขนาด 518x518
timings
objectเวลาที่ผ่านไปจริงสำหรับแต่ละขั้นตอน มีหน่วยเป็นวินาที

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/vggt-1b.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt