Marigold V2：ComfyUI 深度、法线与反照率图

使用 Marigold V2 在 ComfyUI 中从单张图像估计深度、表面法线与反照率：基于 Qwen-Image Edit 的扩散 transformer，并配备专用 LoRA。

Marigold V2 是华为拜耳实验室推出的一系列单目估计模型，该系列将扩散 transformer（Qwen-Image Edit 2509）重新用于几何与固有图像估计。仅凭一张 RGB 图像，这些模型就能预测深度图、表面法线或反照率，延续了原始的 Marigold（CVPR 2024，同样将 Stable Diffusion 用于该任务）的思路。V2 系列模型以 LoRA 的形式发布在一个共享的基础扩散模型之上，因此每个文件的下载体积都很小，并且三项使用例的工作流结构完全一致。

与经典深度网络相比，这种基于扩散的方法能生成锐利且边界感知良好的预测结果，并且无需重新训练即可泛化到开放域图像。典型用途包括图像与视频生成中的深度引导控制、3D 场景重建流水线、重打光，以及由估计出的反照率驱动的材质编辑。

Marigold V2 已在 ComfyUI 中原生支持。开始之前，请先将 ComfyUI 更新到最新版本。

[!TIP] > [tab] 本地用户 > > 请确保你的 ComfyUI 已经更新。 > > ComfyUI 下载 > ComfyUI 更新教程 > > 本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。 > > 如果加载工作流时有节点缺失，可能原因有： > > 1. 你用的不是最新版（每夜版）。 > 2. 启动时有些节点导入失败。 > [tab] 云端用户 > > * Cloud 会在 ComfyUI 稳定版本发布后更新。 > > 所以，如果你发现本文档中有任何核心节点缺失，可能是因为新核心节点尚未在最新稳定版中发布。请等待下一个稳定版发布。

模型安装

每个工作流使用四个文件：共享的基础 diffusion 模型，以及特定任务的 LoRA、VAE 和条件 embedding。三个任务使用不同的 LoRA、VAE 和条件文件，因此下面的每个工作流章节都链接了它所需的确切文件。

基础 diffusion 模型由三个工作流共享：

[card] Diffusion 模型 qwen\_image\_edit\_2509\_int8\_convrot.safetensors → ComfyUI/models/diffusion\_models/

如果你打算运行全部三个任务，请从各工作流章节下载对应的 LoRA、VAE 和条件 embedding，并按照每个章节所示的位置存放它们。

深度估计

从单张图像预测深度图。解码后的预测结果会被归一化，使距离较近的表面显得更亮。

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开

[card] 下载工作流 下载 JSON，或在模板库中搜索 "深度估计：Marigold V2"

输入素材

将该文件上传到对应的 LoadImage 节点:

[card] ev\_suv\_gold\_desert\_pavilion.png LoadImage 节点 · ev_suv_gold_desert_pavilion.png

1. 运行步骤

1. 在 LoadImage 节点中加载输入图像
2. 运行工作流：基础模型会加载深度 LoRA，Marigold V2 Post-Process 节点会将解码后的预测归一化
3. 保存或预览生成的深度图

2. 模型下载

[card] 深度 LoRA marigold\_v2\_depth\_log\_stage2.safetensors → ComfyUI/models/loras/

[card] 深度 VAE marigold\_v2\_depth\_log\_stage2\_vae.safetensors → ComfyUI/models/vae/

[card] 深度条件 embedding marigold\_v2\_depth\_conditioning.safetensors → ComfyUI/models/embeddings/

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 loras/
│   │   └── marigold_v2_depth_log_stage2.safetensors
│   ├── 📂 vae/
│   │   └── marigold_v2_depth_log_stage2_vae.safetensors
│   └── 📂 embeddings/
│       └── marigold_v2_depth_conditioning.safetensors

表面法线估计

从单张图像预测逐像素的表面法线。输出将每个像素映射到其表面朝向，可用于重打光和几何分析。

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开

[card] 下载工作流 下载 JSON，或在模板库中搜索 "表面法线估计：Marigold V2"

输入素材

将该文件上传到对应的 LoadImage 节点:

[card] greek\_statue\_orange\_cloth.png LoadImage 节点 · greek_statue_orange_cloth.png

1. 运行步骤

1. 在 LoadImage 节点中加载输入图像
2. 加载法线 LoRA 后运行工作流
3. 保存或预览生成的法线贴图

2. 模型下载

[card] 法线 LoRA marigold\_v2\_normals.safetensors → ComfyUI/models/loras/

[card] 法线 VAE marigold\_v2\_normals\_vae.safetensors → ComfyUI/models/vae/

[card] 法线条件 embedding marigold\_v2\_normals\_conditioning.safetensors → ComfyUI/models/embeddings/

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 loras/
│   │   └── marigold_v2_normals.safetensors
│   ├── 📂 vae/
│   │   └── marigold_v2_normals_vae.safetensors
│   └── 📂 embeddings/
│       └── marigold_v2_normals_conditioning.safetensors

反照率估计

预测单张图像的反照率（固有颜色），将材质颜色与光照和阴影分离。输出由 Marigold V2 Post-Process 节点转换为 sRGB。

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开

[card] 下载工作流 下载 JSON，或在模板库中搜索 "反照率估计：Marigold V2"

输入素材

将该文件上传到对应的 LoadImage 节点:

[card] flower\_with\_texture.png LoadImage 节点 · flower_with_texture.png

1. 运行步骤

1. 在 LoadImage 节点中加载输入图像
2. 加载反照率 LoRA 后运行工作流
3. 保存或预览生成的反照率图像

2. 模型下载

[card] 反照率 LoRA marigold\_v2\_albedo.safetensors → ComfyUI/models/loras/

[card] 反照率 VAE marigold\_v2\_albedo\_vae.safetensors → ComfyUI/models/vae/

[card] 反照率条件 embedding marigold\_v2\_albedo\_conditioning.safetensors → ComfyUI/models/embeddings/

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 loras/
│   │   └── marigold_v2_albedo.safetensors
│   ├── 📂 vae/
│   │   └── marigold_v2_albedo_vae.safetensors
│   └── 📂 embeddings/
│       └── marigold_v2_albedo_conditioning.safetensors

Marigold V2 后处理节点

每个工作流都以 Marigold V2 Post-Process 节点结尾，该节点会将解码后的原始预测转换为可查看的图像。prediction 选项必须与任务匹配：

• depth：对预测进行归一化，使靠近的表面显得明亮
• normals：将原始值映射为单位表面法线
• albedo：将预测转换为 sRGB