ComfyUI-Marigold深度估计插件：5分钟快速配置终极指南

想要为你的ComfyUI工作流添加强大的深度估计功能吗？🎯 ComfyUI-Marigold深度估计插件让你轻松实现单目图像深度估计，为AI绘图和3D建模提供专业级的深度信息支持。这个基于扩散模型的深度估计工具能够将普通的2D图像转换为精确的深度图，为ControlNet、VFX和3D建模软件提供完美的输入数据。

🔧 快速安装步骤

方法一：ComfyUI管理器安装（推荐）

1. 打开ComfyUI管理器
2. 搜索"marigold"
3. 一键安装插件

方法二：手动安装

1. 克隆仓库到 ComfyUI/custom_nodes 目录：

git clone https://gitcode.com/gh_mirrors/co/ComfyUI-Marigold

2. 安装依赖包：

pip install -r requirements.txt

📦 模型下载与配置

ComfyUI-Marigold深度估计插件支持两种模型：

• Marigold标准模型：提供最高精度
• Marigold-LCM模型：快速推理版本，适合实时应用

模型会自动从HuggingFace下载，或者你也可以手动下载到以下目录之一：

• ComfyUI/custom_nodes/ComfyUI-Marigold/checkpoints
• ComfyUI/models/diffusers

⚙️ 核心参数详解

基本设置参数

• denoise_steps：去噪步数，增加可提高精度但需要更多处理时间
• n_repeat：迭代次数，多个深度图集成以获得更准确结果
• n_repeat_batch_size：批处理大小，VRAM充足时可加快处理速度

高级优化参数

• invert：反转深度图（默认开启，适合ControlNet使用）
• use_fp16：使用半精度浮点数（大幅减少VRAM使用）

🎨 实用工作流配置

基础深度估计流程

1. 加载图像到MarigoldDepthEstimation节点
2. 设置合适的denoise_steps（建议10-20）

• LCM模型：使用4步和LCMScheduler
• 标准模型：使用10-20步

视频深度估计（实验性功能）

使用MarigoldDepthEstimationVideo节点，结合光流估计实现视频帧间的深度一致性。

💡 性能优化技巧

1. 分辨率控制：Marigold深度估计最适合768p分辨率，高分辨率下性能可能下降
2. 内存管理：启用use_fp16可显著降低VRAM使用
3. 批处理优化：根据GPU VRAM调整n_repeat_batch_size

🛠️ 输出格式选择

标准图像输出

• 使用ColorizeDepthmap节点为深度图添加色彩映射
• 支持多种配色方案：Spectral、terrain、viridis等

专业格式输出

• OpenEXR格式：通过SaveImageOpenEXR节点保存完整动态范围
• 深度重映射：使用RemapDepth节点调整深度范围显示

🚀 应用场景

ComfyUI-Marigold深度估计插件在以下场景中表现卓越：

• AI绘图增强：为ControlNet提供深度信息
• 3D建模：将2D图像转换为3D深度数据
• 视觉特效：为VFX软件提供高质量的深度输入

通过这个完整的配置指南，你现在应该能够快速上手使用ComfyUI-Marigold深度估计插件了！🎉 记住，深度估计是一个计算密集型任务，合理的参数设置和硬件配置是获得最佳效果的关键。