跳至內容

VGGT-1B

整合

模型 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"

每次執行最多 $1.755 依實際用量收費,其餘金額會退款 在此頁面執行

取得 API 金鑰
Meta 視覺

從最多 48 張影像或一段影片重建 3D 場景,返回深度圖、相機姿態和點雲

Meta · 資料(JSON)

您的第一個結果會顯示在這裡

在下方建立請求,並使用您的 API 金鑰執行。輸出會複製到我們的儲存空間,可永久保留或免費保留 7 天。

建立請求

控制項是根據模型結構描述生成的。變更設定時,程式碼和價格會同步更新。

進階 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
拖放檔案,或 · 最多 48 個

重建來源圖像;每張都會填充為正方形,並調整大小,使最長邊為 518 像素。接受 JPEG、PNG、WEBP,以及 Pillow 可解碼的其他圖像格式。

video_url
拖放檔案,或

選用的來源影片,其取樣影格會接續在合併輸入中的 image_urls 之後。取樣會每隔 `frame_sampling_rate` 個影格取一格,並始終包含第一格和最後一格。

alpha_blend_onto 預設 white

Alpha 通道處理提供四種選擇:'keep' 會移除 alpha,但不變更原始像素值;'mean' 會以 ImageNet 平均 RGB 進行合成。若要使用純色背景,請選擇 'white' 或 'black',以對應顏色進行合成。

array_encoding 預設 base64

預測 JSON 檔案的陣列儲存格式;'list' 所需空間遠大於 'base64'。巢狀 JSON 清單請選擇 'list';包含 {data, shape, dtype} 的物件則選擇 'base64'。

預設 24

僅在透過 `video_url` 提供影片時套用影格間隔;否則不會產生作用。無論間隔為何,都會保留兩個邊界影格,並在其間取樣每第 n 個影格。

預設 50

用於建構點雲的信賴度篩選百分比:0 會停用篩選;其他值會從信賴度最低的點開始,排除該百分比的點。

預設 250000

GLB 點數上限,預設值為 250,000。為降低序列化和上傳延遲,當點雲超過此預算時,會寫入均勻次取樣的結果。

從每個預測 JSON 檔案中排除的索引鍵。

POST /run/vggt-1b?wait=20 報價 → $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"

執行此請求

您的金鑰會保留在此瀏覽器中:只會傳送至 Doitong API,且只有在勾選「記住」時才會儲存至 localStorage。 取得 API 金鑰

關於 VGGT-1B

從多個視角估算幾何結構。在 `image_urls` 中提供最多 48 張影像,也可選擇加入每隔 `frame_sampling_rate` 幀取樣的 `video_url`。會返回每幀深度圖、相機外部參數和內部參數、原始預測檔案,以及包含相機視錐的 GLB 點雲。`confidence_percentile` 和 `max_points` 可控制點雲的密度。

參數

請傳送標準名稱或原生名稱其中之一,不要同時傳送兩者。 標準名稱

名稱類型 預設值允許值 說明
image_urls選填 images
類型url[] · image
≤ 48 個項目
重建來源圖像;每張都會填充為正方形,並調整大小,使最長邊為 518 像素。接受 JPEG、PNG、WEBP,以及 Pillow 可解碼的其他圖像格式。
video_url選填 video
類型url · video
選用的來源影片,其取樣影格會接續在合併輸入中的 image_urls 之後。取樣會每隔 `frame_sampling_rate` 個影格取一格,並始終包含第一格和最後一格。
frame_sampling_rate選填
類型integer
預設值24
1 – 1,000
僅在透過 `video_url` 提供影片時套用影格間隔;否則不會產生作用。無論間隔為何,都會保留兩個邊界影格,並在其間取樣每第 n 個影格。
alpha_blend_onto選填
類型enum
預設值white
keepwhiteblackmean
Alpha 通道處理提供四種選擇:'keep' 會移除 alpha,但不變更原始像素值;'mean' 會以 ImageNet 平均 RGB 進行合成。若要使用純色背景,請選擇 'white' 或 'black',以對應顏色進行合成。
export_prediction_data選填
類型boolean
預設值true
將原始預測結果匯出為個別影格的 JSON 檔案。每個檔案都包含深度及其信賴度、遮罩,以及編碼後的相機姿態。
export_depth_maps選填
類型boolean
預設值true
將深度點陣圖匯出,使用 `depth_range` 線性對映至像素值 0–65535。每個影格會取得一個獨立的 16 位元灰階 PNG,精度為 16 位元。
export_point_cloud選填
類型boolean
預設值true
以 GLB 格式匯出融合後的彩色點雲,並在場景中以個別圓錐網格表示估算出的相機。
array_encoding選填
類型enum
預設值base64
base64list
預測 JSON 檔案的陣列儲存格式;'list' 所需空間遠大於 'base64'。巢狀 JSON 清單請選擇 'list';包含 {data, shape, dtype} 的物件則選擇 'base64'。
exclude_keys選填
類型enum[]
從每個預測 JSON 檔案中排除的索引鍵。
confidence_percentile選填
類型number
預設值50
0 – 100
用於建構點雲的信賴度篩選百分比:0 會停用篩選;其他值會從信賴度最低的點開始,排除該百分比的點。
max_points選填
類型integer
預設值250000
1,000 – 5,000,000
GLB 點數上限,預設值為 250,000。為降低序列化和上傳延遲,當點雲超過此預算時,會寫入均勻次取樣的結果。
enable_safety_checker選填
類型boolean
預設值true
輸入圖像和影片的安全檢查切換開關。
必填 標準名稱,也可使用

檔案參數接受公開的 https:// URL、最大 10 MB 的 data: URI,或上傳檔案的 file_url。 檔案

輸出

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"
  }
}
您的檔案,由您選擇每個 outputs[].url 都是儲存空間中的副本:可永久保留(按 GB-月計費),或免費保留 7 天;可透過帳戶設定或 ?storage= 設定。
所有模型使用相同結構圖片、影片和音訊皆包含 type、url、content_type、width、height 和 duration。output 是模型自己的結果物件。
輸出欄位
point_cloud
object {url, content_type, file_name, file_size} | null當 `export_point_cloud` 為 true 時回傳的點雲匯出結果;其 GLB 場景會將融合後的點雲與相機圓錐結合。
depth_maps
array of object {url, content_type, file_name, file_size, width, height}當 `export_depth_maps` 為 true 時可取得的深度圖匯出結果。項目會依照來源影格順序排列,每個影格都以 16 位元灰階 PNG 點陣圖表示。
prediction_data
array of object {url, content_type, file_name, file_size}原始預測匯出結果:當 `export_prediction_data` 為 true 時,每個影格都有自己的 JSON 檔案,且檔案會依照影格順序排列。
num_frames
integer重建後的影格總數,包括圖像和從影片取樣的影格。
depth_range
array of number用於 `depth_maps` 量化的深度界限 [min, max]。深度可使用 min + pixel * (max - min) / 65535 還原。
extrinsics
array of array of array of number每個影格的世界座標至相機座標外部參數矩陣,大小為 3x4;OpenCV 軸向為 x 向右、y 向下、z 向前。
intrinsics
array of array of array of number每個影格的針孔內部參數矩陣,大小為 3x3,以模型 518x518 影格的像素座標表示。
timings
object每個階段經過的實際時間,以秒為單位。

給 AI 代理程式:此頁面的 Markdown 位於 https://doitong.com/zh-TW/developers/models/vggt-1b.md. 所有模型與指南: https://doitong.com/developers/llms.txt