ComfyUI Depth-Anything-3工作流逐节点拆解:官方模板深度使用指南

原创2026-10-29 12:30:391,608 阅读
文章标签:人工智能深度学习计算机视觉

ComfyUI Depth-Anything-3工作流逐节点拆解:官方模板深度使用指南

Depth-Anything-3 是 ComfyUI 官方出品的 Depth Anything 3 深度估计(几何估计)模型仓库,内置 4 个开箱即用的 .safetensors 权重和 2 套官方深度图工作流模板。本文逐节点拆解官方模板,手把手教你在 ComfyUI 中快速生成高质量深度图与视频深度,适合刚接触 Depth Anything 3 的新手。

📦 仓库里有什么:4 个深度估计模型一次看全

本仓库是 ComfyUI 专属的重打包模型文件,目录结构非常简洁:

模型文件 定位 适用场景
depth_anything_3_small.safetensors 轻量款(约 130MB) 低显存设备、批量快速出图
depth_anything_3_base.safetensors 均衡款 日常深度估计默认选择
depth_anything_3_mono_large.safetensors 大模型高精度 追求边缘细节与结构准确度
depth_anything_3_metric_large.safetensors 度量深度 需要真实米制距离(机器人、3D 重建)

💡 四个权重来自 Depth Anything 3 的 DA3-SMALL、DA3-BASE、DA3MONO-LARGE、DA3METRIC-LARGE 四个规格,均已按 ComfyUI 原生布局重打包,放入对应目录即可被自动识别,无需任何代码改动。

🚀 1 分钟部署:模型文件放到哪个目录

这是 ComfyUI 深度估计教程中最容易踩坑的一步——放错目录会导致节点下拉框看不到模型。

官方要求的路径如下(详见 README.md):

📂 ComfyUI/
└── 📂 models/
    └── 📂 geometry_estimation/
        ├── depth_anything_3_base.safetensors
        ├── depth_anything_3_metric_large.safetensors
        ├── depth_anything_3_mono_large.safetensors
        └── depth_anything_3_small.safetensors

如果没有现成文件,可以直接克隆本仓库(注意:权重走 Git LFS,克隆后若文件只有几百字节,请执行 git lfs pull 拉取真实文件):

git clone https://gitcode.com/hf_mirrors/Comfy-Org/Depth-Anything-3

克隆后将 geometry_estimation/ 下的 4 个 .safetensors 文件复制到 ComfyUI 安装目录的 models/geometry_estimation/ 中,重启 ComfyUI 即可。

🖼️ 官方模板「Depth Estimation: Depth Anything 3」逐节点拆解

在 ComfyUI 主界面打开 Workflows → Templates 模板画廊,可以搜到两张官方模板:图片深度估计模板和视频深度模板。先看图片版,整条链路只有 4 个节点:

Load Image → Load Depth Anything 3 Model → Depth Anything 3 → Save Image

节点 1:Load Image —— 输入你的照片

作用是读取待估计深度的图片,作为深度估计的输入源。这里可以拖入任意 JPG/PNG,室内、街景、人像、风景均可,模型对光照和拍摄条件有很强的鲁棒性。

节点 2:Load Depth Anything 3 Model —— 选择深度估计模型

这是整条工作流的"大脑"。节点中会列出第二步放置的全部 4 个模型,选择策略很简单:

  • 显存吃紧(8GB 以下):选 depth_anything_3_small,速度最快
  • 日常使用:选 depth_anything_3_base,精度与速度均衡
  • 出精修深度图:选 depth_anything_3_mono_large,边缘和结构最细腻
  • 需要真实尺度:选 depth_anything_3_metric_large,输出带真实米制单位的度量深度

⚠️ mono(单目相对深度)与 metric(度量深度)的核心区别:前者输出相对远近关系,后者输出接近真实物理距离的深度值,二者不能混用于对尺度有要求的场景。

节点 3:Depth Anything 3 —— 核心推理节点

该节点接收模型与图片,执行深度估计推理,输出一张灰度深度图(Depth):越近的物体越亮、越远的物体越暗。Depth Anything 3 相比前代在结构理解、物体边界对齐和多帧时序一致性上都有明显提升,这也是官方推荐它进入 ComfyUI 工具链的原因。

节点 4:Save Image —— 保存深度图

把深度图保存为本地图像文件。得到的灰度深度图可直接用于:

  • 后期景深合成、背景虚化
  • 3D 重建与 NeRF / 3D Gaussian Splatting 的几何监督
  • 机器人视觉、SLAM 的代价地图
  • 图像分割的几何先验

🎬 视频深度模板「Depth Map: Depth Anything 3」节点拆解

第二套官方模板面向视频输入,链路为:

Load Video → Load Depth Anything 3 Model → Depth Anything 3(视频)→ Save Video

与图片版的差异点:

  • 输入端:用视频加载节点代替图片节点,支持常见视频格式
  • 推理端:模型对视频逐帧估计深度,并利用时序信息保持相邻帧深度稳定,避免"深度闪烁"
  • 输出端:把逐帧深度合成视频输出,得到一段完整的深度视频(Depth Map 动画)

适合做视频景深特效、动态深度可视化、多视图几何重建等场景。

🧰 进阶玩法:用 convert_da3.py 转换原始权重

如果你手里有原版 Depth Anything 3 的检查点(.safetensors / .pt / .pth),而不是本仓库的 ComfyUI 版,可以借助官方脚本 convert_da3.py 一键重打包。它会完成三件关键事:

  1. 将 DINOv2 主干的 backbone.pretrained.* 键重映射为 ComfyUI 运行时布局(embeddings.*、encoder.layer.* 等)
  2. 把融合后的 attn.qkv 投影拆分为独立的 query / key / value 线性层
  3. 丢弃 ComfyUI 用不到的 3D Gaussian Splatting 头部权重(gs_head.*、gs_adapter.*)

转换命令:

python convert_da3.py \
    --input da3_original.safetensors \
    --output ComfyUI/models/geometry_estimation/da3_comfy.safetensors

转换完成后文件可被 ComfyUI 自动检测加载,无需任何额外配置。脚本还支持目录输入,会自动合并多个分片权重。

❓ 常见问题速查(FAQ)

Q1:模型加载节点里看不到我的权重? 检查文件是否放在了 ComfyUI/models/geometry_estimation/ 目录,而非 models/checkpoints/ 等其他位置;放置后重启 ComfyUI。

Q2:克隆下来文件只有 134 字节? 说明文件是 Git LFS 指针,执行 git lfs pull 拉取真实权重即可(small 版本实际约 130MB)。

Q3:显存不够跑 large 模型怎么办? 换用 depth_anything_3_base 或 depth_anything_3_small,输出精度损失有限,速度明显更快。

Q4:深度图整体偏暗或偏亮正常吗? mono 系列输出的是相对深度,整体亮度只代表远近基准,不影响使用;需要真实尺度时请切换到 metric 版本。

✅ 总结

ComfyUI 的 Depth-Anything-3 仓库把"下载—放置—出图"三步做到了最短路径:4 个官方重打包权重放进 models/geometry_estimation/,再套用模板画廊里的「Depth Estimation: Depth Anything 3」或「Depth Map: Depth Anything 3」工作流,逐节点只需关注"选哪个模型"这一个决策点。新手建议从 base 模型 + 图片模板开始上手,熟悉后再升级到 metric 版本或视频工作流,即可覆盖绝大多数深度估计需求。

登录后查看全文
Depth-Anything-3