مواد پر جائیں

VGGT-1B

انٹیگریٹ کریں

ماڈل 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"

ہر رن کے لیے ⁨$1.755⁩ تک حقیقی استعمال کے مطابق چارج، باقی رقم واپس اس صفحے پر چلائیں

API کلید حاصل کریں
Meta بصارت

زیادہ سے زیادہ 48 تصاویر یا ایک ویڈیو سے 3D منظر کی تشکیل نو کرتا ہے، اور گہرائی کے نقشے، کیمرہ پوز اور پوائنٹ کلاؤڈ واپس کرتا ہے

Meta · ڈیٹا (JSON)

آپ کا پہلا نتیجہ یہاں آئے گا

ذیل میں درخواست بنائیں اور اپنی API کلید کے ساتھ چلائیں۔ آؤٹ پٹس ہمارے اسٹوریج میں کاپی ہو جاتے ہیں، ہمیشہ کے لیے یا مفت میں 7 دن تک محفوظ رہتے ہیں۔

درخواست بنائیں

کنٹرولز ماڈل اسکیما سے تیار ہوتے ہیں۔ آپ کے بدلنے کے ساتھ کوڈ اور قیمت اپ ڈیٹ ہوتے ہیں۔

ایڈوانسڈ 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
فائل ڈراپ کریں، یا · 48 تک

Reconstruction source تصاویر؛ ہر تصویر کو square میں pad کرکے longest dimension کو 518 pixels پر resize کیا جاتا ہے۔ JPEG، PNG، WEBP اور Pillow سے قابلِ decoding اضافی تصویر formats قبول ہیں۔

video_url
فائل ڈراپ کریں، یا

اختیاری ماخذ ویڈیو جس کے نمونے لیے گئے فریمز مشترکہ ان پٹ میں image_urls کے بعد آتے ہیں۔ نمونہ بندی ہر `frame_sampling_rate`-ویں فریم پر ہوتی ہے، جبکہ پہلا اور آخری فریم ہمیشہ شامل کیے جاتے ہیں۔

alpha_blend_onto ڈیفالٹ white

الفا چینل کے برتاؤ کے لیے چار اختیارات ہیں: 'keep' اصل پکسل قدروں میں تبدیلی کیے بغیر الفا ہٹا دیتا ہے؛ 'mean' کو ImageNet کے اوسط RGB کے ساتھ مرکب کرتا ہے۔ یک رنگ پس منظر کے لیے متعلقہ رنگ کے ساتھ مرکب کرنے کو 'white' یا 'black' منتخب کریں۔

array_encoding ڈیفالٹ base64

پیش گوئی کی JSON فائلوں کے لیے ارے اسٹوریج فارمیٹ؛ 'list' 'base64' کے مقابلے میں کہیں زیادہ جگہ لیتا ہے۔ نیسٹڈ JSON فہرستوں کے لیے 'list' یا {data, shape, dtype} پر مشتمل آبجیکٹس کے لیے 'base64' منتخب کریں۔

ڈیفالٹ 24

فریم کا وقفہ صرف اس وقت لاگو ہوتا ہے جب ویڈیو `video_url` کے ذریعے فراہم کی جائے؛ بصورتِ دیگر اس کا کوئی اثر نہیں ہوتا۔ وقفے سے قطع نظر دونوں حدی فریم برقرار رہتے ہیں، جبکہ درمیان میں ہر n-واں فریم لیا جاتا ہے۔

ڈیفالٹ 50

پوائنٹ کلاؤڈ کی تعمیر کے لیے اعتماد پر مبنی فلٹرنگ کا فیصد: 0 فلٹرنگ کو غیر فعال کرتا ہے، جبکہ دیگر قدریں کم ترین اعتماد والے پوائنٹس سے شروع کرتے ہوئے اتنے فیصد پوائنٹس خارج کرتی ہیں۔

ڈیفالٹ 250000

GLB پوائنٹ کاؤنٹ کی حد، ڈیفالٹ 250,000 ہے۔ سیریلائزیشن اور اپ لوڈ کی تاخیر کم رکھنے کے لیے، کلاؤڈ اس بجٹ سے تجاوز کرے تو یکساں طور پر نمونہ شدہ انتخاب لکھا جاتا ہے۔

ہر پیش گوئی کی JSON فائل سے خارج کیے جانے والے keys۔

POST /run/vggt-1b?wait=20 قیمت → ⁨$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"

یہ درخواست چلائیں

آپ کی key اسی براؤزر میں رہتی ہے: یہ صرف Doitong API کو بھیجی جاتی ہے اور صرف اس صورت میں localStorage میں محفوظ ہوتی ہے جب آپ Remember منتخب کریں۔ API کلید حاصل کریں

VGGT-1B کے بارے میں

متعدد مناظر سے جیومیٹری کا اندازہ لگاتا ہے۔ `image_urls` میں 48 تک تصاویر دیں، اور اختیاری طور پر ہر `frame_sampling_rate` فریم پر sampled `video_url` شامل کریں۔ یہ فی فریم گہرائی کے نقشے، کیمرہ خارجی اور داخلی پیرامیٹرز، خام پیش گوئی فائلیں، اور کیمرہ مخروطوں کے ساتھ GLB نقطہ بادل واپس کرتا ہے۔ `confidence_percentile` اور `max_points` نقطہ بادل کی کثافت کنٹرول کرتے ہیں۔

پیرامیٹرز

معیاری نام یا مقامی نام میں سے صرف ایک بھیجیں، دونوں نہیں۔ معیاری نام

نامقسم ڈیفالٹمجاز تفصیل
image_urlsاختیاری images
قسمurl[] · image
≤ 48 آئٹمز
Reconstruction source تصاویر؛ ہر تصویر کو square میں pad کرکے longest dimension کو 518 pixels پر resize کیا جاتا ہے۔ JPEG، PNG، WEBP اور Pillow سے قابلِ decoding اضافی تصویر formats قبول ہیں۔
video_urlاختیاری video
قسمurl · video
اختیاری ماخذ ویڈیو جس کے نمونے لیے گئے فریمز مشترکہ ان پٹ میں image_urls کے بعد آتے ہیں۔ نمونہ بندی ہر `frame_sampling_rate`-ویں فریم پر ہوتی ہے، جبکہ پہلا اور آخری فریم ہمیشہ شامل کیے جاتے ہیں۔
frame_sampling_rateاختیاری
قسمinteger
ڈیفالٹ24
1 – 1,000
فریم کا وقفہ صرف اس وقت لاگو ہوتا ہے جب ویڈیو `video_url` کے ذریعے فراہم کی جائے؛ بصورتِ دیگر اس کا کوئی اثر نہیں ہوتا۔ وقفے سے قطع نظر دونوں حدی فریم برقرار رہتے ہیں، جبکہ درمیان میں ہر n-واں فریم لیا جاتا ہے۔
alpha_blend_ontoاختیاری
قسمenum
ڈیفالٹwhite
keepwhiteblackmean
الفا چینل کے برتاؤ کے لیے چار اختیارات ہیں: 'keep' اصل پکسل قدروں میں تبدیلی کیے بغیر الفا ہٹا دیتا ہے؛ 'mean' کو ImageNet کے اوسط RGB کے ساتھ مرکب کرتا ہے۔ یک رنگ پس منظر کے لیے متعلقہ رنگ کے ساتھ مرکب کرنے کو 'white' یا 'black' منتخب کریں۔
export_prediction_dataاختیاری
قسمboolean
ڈیفالٹtrue
انفرادی فریمز کے لیے خام پیش گوئیاں الگ JSON فائلوں کے طور پر برآمد کریں۔ ہر فائل میں گہرائی اور اس کا اعتماد، ایک ماسک، اور انکوڈ شدہ کیمرہ پوز شامل ہوتا ہے۔
export_depth_mapsاختیاری
قسمboolean
ڈیفالٹtrue
`depth_range` کی پکسل قدروں 0–65535 سے خطی نقشے کے ساتھ گہرائی کے راسٹرز برآمد کریں۔ ہر فریم کو 16-bit درستگی والی الگ grayscale PNG ملتی ہے۔
export_point_cloudاختیاری
قسمboolean
ڈیفالٹtrue
مرکب شدہ رنگین پوائنٹ کلاؤڈ کو GLB فارمیٹ میں برآمد کریں، جس میں تخمینہ شدہ کیمرے منظر میں انفرادی مخروطی میشز کے طور پر دکھائے جاتے ہیں۔
array_encodingاختیاری
قسمenum
ڈیفالٹbase64
base64list
پیش گوئی کی JSON فائلوں کے لیے ارے اسٹوریج فارمیٹ؛ 'list' 'base64' کے مقابلے میں کہیں زیادہ جگہ لیتا ہے۔ نیسٹڈ JSON فہرستوں کے لیے 'list' یا {data, shape, dtype} پر مشتمل آبجیکٹس کے لیے 'base64' منتخب کریں۔
exclude_keysاختیاری
قسمenum[]
ہر پیش گوئی کی JSON فائل سے خارج کیے جانے والے keys۔
confidence_percentileاختیاری
قسمnumber
ڈیفالٹ50
0 – 100
پوائنٹ کلاؤڈ کی تعمیر کے لیے اعتماد پر مبنی فلٹرنگ کا فیصد: 0 فلٹرنگ کو غیر فعال کرتا ہے، جبکہ دیگر قدریں کم ترین اعتماد والے پوائنٹس سے شروع کرتے ہوئے اتنے فیصد پوائنٹس خارج کرتی ہیں۔
max_pointsاختیاری
قسمinteger
ڈیفالٹ250000
1,000 – 5,000,000
GLB پوائنٹ کاؤنٹ کی حد، ڈیفالٹ 250,000 ہے۔ سیریلائزیشن اور اپ لوڈ کی تاخیر کم رکھنے کے لیے، کلاؤڈ اس بجٹ سے تجاوز کرے تو یکساں طور پر نمونہ شدہ انتخاب لکھا جاتا ہے۔
enable_safety_checkerاختیاری
قسمboolean
ڈیفالٹtrue
ان پٹ تصاویر اور ویڈیو کے لیے حفاظتی جانچ کا ٹوگل۔
لازمی معیاری نام، یہ بھی قبول ہے

فائل پیرامیٹرز عوامی https:// URL، 10 MB تک کی data: URI، یا اپ لوڈ کے file_url کو قبول کرتے ہیں۔ فائلیں

آؤٹ پٹ

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"
  }
}
آپ کی فائلیں، آپ کا انتخابہر outputs[].url ہمارے اسٹوریج میں ایک کاپی ہے: ہمیشہ کے لیے محفوظ (فی GB-ماہ ادائیگی) یا مفت میں 7 دن تک، آپ کی اکاؤنٹ سیٹنگ یا ?storage= کے مطابق۔
ہر ماڈل میں ایک جیسی ساختtype، url، content_type، width، height اور duration، تصاویر، ویڈیو اور آڈیو سب کے لیے یکساں۔ output ماڈل کا اپنا نتیجہ آبجیکٹ ہے۔
آؤٹ پٹ کے فیلڈز
point_cloud
object {url, content_type, file_name, file_size} | nullجب `export_point_cloud` true ہو تو واپس کیا جانے والا پوائنٹ کلاؤڈ؛ اس کا GLB منظر مرکب شدہ کلاؤڈ کو کیمرہ کونز کے ساتھ یکجا کرتا ہے۔
depth_maps
array of object {url, content_type, file_name, file_size, width, height}جب `export_depth_maps` true ہو تو دستیاب depth-map برآمد۔ اندراجات ماخذ فریم ترتیب کی پیروی کرتے ہیں، اور ہر فریم کو 16-bit depth والے grayscale PNG راسٹر کے طور پر دکھایا جاتا ہے۔
prediction_data
array of object {url, content_type, file_name, file_size}خام پیش گوئی کی برآمد: جب `export_prediction_data` true ہو، ہر فریم کی اپنی JSON فائل ہوتی ہے اور فائلیں فریم ترتیب کی پیروی کرتی ہیں۔
num_frames
integerدوبارہ تعمیر کیے گئے فریمز کی کل تعداد، جس میں تصاویر اور ویڈیو سے لیے گئے فریمز شامل ہیں۔
depth_range
array of number`depth_maps` کی quantization کے لیے استعمال ہونے والی گہرائی کی حدود [min, max]۔ گہرائی کو min + pixel * (max - min) / 65535 سے بحال کریں۔
extrinsics
array of array of array of numberہر فریم کے لیے camera-from-world extrinsic میٹرکس، سائز 3x4؛ OpenCV axes میں x دائیں، y نیچے، اور z آگے کی طرف ہوتا ہے۔
intrinsics
array of array of array of numberہر فریم کے لیے pinhole intrinsic میٹرکس، سائز 3x3، جو ماڈل کے 518x518 فریم کے پکسل کوآرڈینیٹس میں ظاہر کیے گئے ہیں۔
timings
objectہر مرحلے کے لیے گزرا ہوا wall-clock وقت، سیکنڈ میں۔

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/vggt-1b.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt