Bỏ qua đến nội dung

VGGT-1B

Tích hợp

Id mô hình 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"

Tối đa 1,755 $ mỗi lần chạy tính phí theo mức sử dụng thực tế, phần còn lại được hoàn tiền Chạy trên trang này

Lấy khóa API
Meta Thị giác

Tái dựng cảnh 3D từ tối đa 48 ảnh hoặc một video, trả về bản đồ độ sâu, tư thế camera và đám mây điểm

Meta · Dữ liệu (JSON)

Kết quả đầu tiên của bạn sẽ xuất hiện ở đây

Tạo một yêu cầu bên dưới và chạy bằng khóa API của bạn. Đầu ra được sao chép vào bộ lưu trữ của chúng tôi, giữ vĩnh viễn hoặc 7 ngày miễn phí.

Tạo một yêu cầu

Các điều khiển được tạo từ lược đồ mô hình. Mã và giá sẽ cập nhật khi bạn thay đổi chúng.

Nâng cao 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
Thả tệp hoặc · tối đa 48

Các hình ảnh nguồn tái tạo, mỗi hình ảnh được thêm đệm thành hình vuông và đổi kích thước sao cho chiều dài nhất là 518 pixel. Chấp nhận JPEG, PNG, WEBP và mọi định dạng hình ảnh bổ sung có thể giải mã bằng Pillow.

video_url
Thả tệp hoặc

Video nguồn tùy chọn có các khung hình được lấy mẫu theo sau image_urls trong đầu vào kết hợp. Việc lấy mẫu sử dụng mỗi khung hình thứ `frame_sampling_rate`, luôn bao gồm khung hình đầu tiên và cuối cùng.

alpha_blend_onto mặc định white

Xử lý kênh alpha có bốn lựa chọn: 'keep' loại bỏ alpha mà không thay đổi giá trị pixel gốc; 'mean' ghép trên nền RGB trung bình của ImageNet. Với nền đơn sắc, chọn 'white' hoặc 'black' để ghép trên màu tương ứng.

array_encoding mặc định base64

Định dạng lưu trữ mảng cho các tệp JSON dự đoán, trong đó 'list' chiếm nhiều dung lượng hơn đáng kể so với 'base64'. Chọn 'list' cho các danh sách JSON lồng nhau hoặc 'base64' cho các đối tượng chứa {data, shape, dtype}.

mặc định 24

Khoảng khung hình chỉ được áp dụng khi video được cung cấp qua `video_url`; nếu không thì không có tác dụng. Cả hai khung hình biên đều được giữ lại bất kể khoảng này, với mỗi khung hình thứ n được lấy mẫu ở giữa.

mặc định 50

Tỷ lệ lọc dựa trên độ tin cậy để dựng đám mây điểm: 0 tắt tính năng lọc, còn các giá trị khác loại trừ tỷ lệ phần trăm điểm tương ứng, bắt đầu từ các điểm có độ tin cậy thấp nhất.

mặc định 250000

Giới hạn số điểm GLB, mặc định là 250,000. Để giảm độ trễ khi tuần tự hóa và tải lên, một tập hợp được lấy mẫu đều sẽ được ghi khi đám mây vượt quá ngân sách này.

Các khóa bị loại khỏi mọi tệp JSON dự đoán.

POST /run/vggt-1b?wait=20 báo giá → 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"

Chạy yêu cầu này

Key của bạn vẫn nằm trong trình duyệt này: key chỉ được gửi đến Doitong API và chỉ được lưu trong localStorage nếu bạn chọn Ghi nhớ. Nhận khóa API

Giới thiệu về VGGT-1B

Ước tính hình học từ nhiều góc nhìn. Cung cấp tối đa 48 ảnh trong `image_urls`, tùy chọn thêm `video_url` được lấy mẫu sau mỗi `frame_sampling_rate` khung hình. Kết quả gồm bản đồ độ sâu theo từng khung hình, ngoại tại và nội tại camera, tệp dự đoán thô và đám mây điểm GLB kèm hình nón camera. `confidence_percentile` và `max_points` điều khiển mật độ đám mây điểm.

Tham số

Gửi tên chuẩn hoặc tên gốc, không gửi cả hai. Tên chuẩn

TênKiểu Mặc địnhĐược phép Mô tả
image_urlstùy chọn images
Kiểuurl[] · image
≤ 48 mục
Các hình ảnh nguồn tái tạo, mỗi hình ảnh được thêm đệm thành hình vuông và đổi kích thước sao cho chiều dài nhất là 518 pixel. Chấp nhận JPEG, PNG, WEBP và mọi định dạng hình ảnh bổ sung có thể giải mã bằng Pillow.
video_urltùy chọn video
Kiểuurl · video
Video nguồn tùy chọn có các khung hình được lấy mẫu theo sau image_urls trong đầu vào kết hợp. Việc lấy mẫu sử dụng mỗi khung hình thứ `frame_sampling_rate`, luôn bao gồm khung hình đầu tiên và cuối cùng.
frame_sampling_ratetùy chọn
Kiểuinteger
Mặc định24
1 – 1.000
Khoảng khung hình chỉ được áp dụng khi video được cung cấp qua `video_url`; nếu không thì không có tác dụng. Cả hai khung hình biên đều được giữ lại bất kể khoảng này, với mỗi khung hình thứ n được lấy mẫu ở giữa.
alpha_blend_ontotùy chọn
Kiểuenum
Mặc địnhwhite
keepwhiteblackmean
Xử lý kênh alpha có bốn lựa chọn: 'keep' loại bỏ alpha mà không thay đổi giá trị pixel gốc; 'mean' ghép trên nền RGB trung bình của ImageNet. Với nền đơn sắc, chọn 'white' hoặc 'black' để ghép trên màu tương ứng.
export_prediction_datatùy chọn
Kiểuboolean
Mặc địnhtrue
Xuất các dự đoán thô thành các tệp JSON riêng cho từng khung hình. Mỗi tệp bao gồm độ sâu và độ tin cậy của độ sâu, một mặt nạ và tư thế camera được mã hóa.
export_depth_mapstùy chọn
Kiểuboolean
Mặc địnhtrue
Xuất các raster độ sâu với ánh xạ tuyến tính `depth_range` sang các giá trị pixel 0–65535. Mỗi khung hình nhận một PNG thang độ xám riêng với độ chính xác 16 bit.
export_point_cloudtùy chọn
Kiểuboolean
Mặc địnhtrue
Xuất đám mây điểm màu đã hợp nhất ở định dạng GLB, trong đó các camera ước tính được biểu diễn bằng các lưới hình nón riêng trong cảnh.
array_encodingtùy chọn
Kiểuenum
Mặc địnhbase64
base64list
Định dạng lưu trữ mảng cho các tệp JSON dự đoán, trong đó 'list' chiếm nhiều dung lượng hơn đáng kể so với 'base64'. Chọn 'list' cho các danh sách JSON lồng nhau hoặc 'base64' cho các đối tượng chứa {data, shape, dtype}.
exclude_keystùy chọn
Kiểuenum[]
Các khóa bị loại khỏi mọi tệp JSON dự đoán.
confidence_percentiletùy chọn
Kiểunumber
Mặc định50
0 – 100
Tỷ lệ lọc dựa trên độ tin cậy để dựng đám mây điểm: 0 tắt tính năng lọc, còn các giá trị khác loại trừ tỷ lệ phần trăm điểm tương ứng, bắt đầu từ các điểm có độ tin cậy thấp nhất.
max_pointstùy chọn
Kiểuinteger
Mặc định250000
1.000 – 5.000.000
Giới hạn số điểm GLB, mặc định là 250,000. Để giảm độ trễ khi tuần tự hóa và tải lên, một tập hợp được lấy mẫu đều sẽ được ghi khi đám mây vượt quá ngân sách này.
enable_safety_checkertùy chọn
Kiểuboolean
Mặc địnhtrue
Bật/tắt kiểm tra an toàn cho hình ảnh và video đầu vào.
bắt buộc Tên chuẩn, cũng được chấp nhận

Các tham số tệp nhận URL https:// công khai, URI data: tối đa 10 MB hoặc file_url của một tệp tải lên. Tệp

Đầu ra

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"
  }
}
Tệp của bạn, lựa chọn của bạnMỗi outputs[].url là một bản sao trên bộ lưu trữ của chúng tôi: được giữ vĩnh viễn (tính phí theo GB-tháng) hoặc 7 ngày miễn phí, theo cài đặt tài khoản hoặc ?storage=.
Cùng một cấu trúc trên mọi mô hìnhtype, url, content_type, width, height và duration cho hình ảnh, video và âm thanh. output là đối tượng kết quả riêng của mô hình.
Các trường đầu ra
point_cloud
object {url, content_type, file_name, file_size} | nullĐầu ra đám mây điểm được trả về khi `export_point_cloud` là true; cảnh GLB kết hợp đám mây đã hợp nhất với các hình nón camera.
depth_maps
array of object {url, content_type, file_name, file_size, width, height}Đầu ra bản đồ độ sâu khả dụng khi `export_depth_maps` là true. Các mục tuân theo chuỗi khung hình nguồn, với mỗi khung hình được biểu diễn bằng raster PNG thang độ xám có độ sâu 16 bit.
prediction_data
array of object {url, content_type, file_name, file_size}Đầu ra dự đoán thô: khi `export_prediction_data` là true, mỗi khung hình có tệp JSON riêng và các tệp tuân theo chuỗi khung hình.
num_frames
integerTổng số khung hình được tái tạo, bao gồm hình ảnh và các khung hình được lấy mẫu từ video.
depth_range
array of numberGiới hạn độ sâu [min, max] được dùng để lượng tử hóa `depth_maps`. Khôi phục độ sâu bằng min + pixel * (max - min) / 65535.
extrinsics
array of array of array of numberCác ma trận ngoại tại camera-từ-thế-giới, kích thước 3x4, cho từng khung hình; các trục OpenCV hướng phải theo x, xuống theo y và ra trước theo z.
intrinsics
array of array of array of numberCác ma trận nội tại lỗ kim, kích thước 3x3, cho từng khung hình, được biểu diễn theo tọa độ pixel của khung hình 518x518 của mô hình.
timings
objectThời gian thực đã trôi qua cho từng giai đoạn, tính bằng giây.

Dành cho tác nhân AI: trang này ở dạng Markdown tại https://doitong.com/vi/developers/models/vggt-1b.md. Tất cả mô hình và hướng dẫn: https://doitong.com/developers/llms.txt