【免费下载链接】marigold-v2-0项目地址https://ai.gitcode.com/hf_mirrors/Comfy-Org/marigold-v2-0点击查看免费下载Marigold v2 是一款基于扩散模型Diffusion Model的深度估计模型只需一张普通照片就能生成高精度深度图。marigold-v2-0仓库为 ComfyUI 提供了重打包后的完整模型文件本文带你用 5 步完成部署并跑通 ComfyUI 深度估计工作流零基础也能轻松上手 一、什么是深度估计Marigold v2 能做什么深度估计Depth Estimation是指从一张二维照片中推断出画面中每个像素与相机的距离输出一张灰度深度图白色通常表示更近黑色表示更远。Marigold v2 基于 Qwen-Image-Edit 扩散骨干采用LoRA 条件嵌入 专用 VAE的组合架构相比上一代模型细节更锐利、深度分布更准确。它支持三种视觉任务任务说明典型用途 深度估计生成灰度深度图3D 重建、视频后期、景深特效 法线估计预测表面法线方向渲染、神经辐射场NeRF、3D 建模 反照率估计分离光照得到反照率图重光照、材质分析 深度估计只是起点把深度图喂给 Blender、NeRF 或视频合成工具就能从一张照片重建出三维世界。二、模型文件结构一览 仓库已按 ComfyUI 的目录规范组织好文件下载后对照即可。完整说明见 README.md目录文件作用diffusion_models/qwen_image_edit_2509_int8_convrot.safetensors扩散骨干模型int8 量化版省显存embeddings/marigold_v2_depth_conditioning.safetensors深度任务的条件嵌入loras/marigold_v2_depth_log_stage2.safetensors深度估计 LoRA对数深度第二阶段vae/marigold_v2_depth_log_stage2_vae.safetensors深度任务专用 VAE法线与反照率任务对应同名文件marigold_v2_normals_conditioning.safetensors、marigold_v2_albedo_conditioning.safetensors、marigold_v2_normals.safetensors、marigold_v2_albedo.safetensors、marigold_v2_normals_vae.safetensors、marigold_v2_albedo_vae.safetensors。三、5步工作流实战 步骤 1获取模型文件将整个模型仓库下载到本地共 4 个目录、13 个文件git clone https://gitcode.com/hf_mirrors/Comfy-Org/marigold-v2-0也可以直接从模型仓库页面手动下载全部.safetensors文件。步骤 2放置模型到 ComfyUI 目录把四个目录整体复制到 ComfyUI 的models/下保持目录名不变 ComfyUI/ └── models/ ├── diffusion_models/ │ └── qwen_image_edit_2509_int8_convrot.safetensors ├── embeddings/ │ ├── marigold_v2_depth_conditioning.safetensors │ ├── marigold_v2_normals_conditioning.safetensors │ └── marigold_v2_albedo_conditioning.safetensors ├── loras/ │ ├── marigold_v2_depth_log_stage2.safetensors │ ├── marigold_v2_normals.safetensors │ └── marigold_v2_albedo.safetensors └── vae/ ├── marigold_v2_depth_log_stage2_vae.safetensors ├── marigold_v2_normals_vae.safetensors └── marigold_v2_albedo_vae.safetensors⚠️注意embeddings和vae是独立子目录不要放进checkpoints否则 ComfyUI 找不到文件。步骤 3加载深度估计工作流打开 ComfyUI选择官方工作流模板中的Depth Estimation: Marigold V2。该工作流会按如下逻辑自动加载模型UNETLoader→ 加载diffusion_models/中的 int8 骨干VAELoader→ 加载vae/中的深度专用 VAE条件嵌入节点 → 加载embeddings/中的 depth conditioningLoRA 加载器 → 挂载 marigold_v2_depth_log_stage2.safetensors如果你是第一次使用可直接在 ComfyUI 内置工作流库中搜索 Marigold一键导入无需手工连线 ✅步骤 4导入照片并运行在LoadImage节点中点击上传一张照片建议 1024×1024 附近人物、室内、街景均可点击右上角Queue Prompt或按CtrlEnter等待推理完成耗时随显卡与步数而异int8 量化版在 10GB 左右显存即可流畅运行。小技巧构图越完整、主体轮廓越清晰的输入照片深度图边缘细节越好远景雾气大的照片深度精度会下降。步骤 5查看深度图并调优输出是一张灰度图亮区 近处暗区 远处边缘过渡平滑度直接反映模型对物体边界的判断常用调优参数参数建议值说明Steps20~30步数越多细节越好速度越慢CFGGuidance3~6过低细节弱过高易出现伪影分辨率1024×1024 起太大会放大显存占用与推理时间四、常见问题解答 ❓Q1运行时报模型未找到检查文件是否放在models/下的正确子目录diffusion_models、embeddings、loras、vae四选一且文件名完全一致。Q2显存不够怎么办本仓库骨干已为 int8 量化qwen_image_edit_2509_int8_convrot10GB 显存即可使用若仍不足可降低输入分辨率或开启低显存模式。Q3能做深度以外的任务吗可以。同一套模型还支持法线估计与反照率估计对应官方工作流模板 Surface Normal Estimation / Albedo Estimation: Marigold V2只需切换对应的 LoRA、条件嵌入与 VAE 文件。五、写在最后通过marigold-v2-0仓库你只需 5 步就能在 ComfyUI 中用上 Marigold v2 深度估计能力下载模型 → 放入目录 → 加载工作流 → 导入照片 → 调参输出。无论是 3D 内容创作、视频特效还是科研数据生成这张高精深度图都能成为你工作流里的关键一环 更多工作流与模型细节请参考仓库内的 README.md。赞分享【免费下载链接】marigold-v2-0项目地址https://ai.gitcode.com/hf_mirrors/Comfy-Org/marigold-v2-0点击查看免费下载相关推荐MoGe深度估计实战3招把单张照片变成精准深度图MoGe深度估计实战3招把单张照片变成精准深度图 MoGe 是一个面向 ComfyUI 的单目几何估计Monocular Geometry Estimati人工智能计算机视觉基础模型ComfyUI-Marigold从单张照片生成精准深度图的完整解决方案ComfyUI Marigold从单张照片生成精准深度图的完整解决方案 还在为3D建模缺乏深度信息而烦恼吗 单图像深度估计 技术让您仅凭一张普通照片就能获得人工智能计算机视觉AI 应用ComfyUI-Marigold深度估计插件从单张图像生成精准深度图的完整指南ComfyUI Marigold深度估计插件从单张图像生成精准深度图的完整指南 开篇亮点重新定义图像深度感知 想象一下您只需一张普通照片就能生成精确的深人工智能计算机视觉AI 应用创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考