【亲测免费】 ComfyUI-Marigold 项目下载及安装教程
2026-01-25 06:31:36作者:范垣楠Rhoda
1、项目介绍
ComfyUI-Marigold 是一个在 ComfyUI 中实现 Marigold 深度估计的插件。Marigold 深度估计是一种用于生成深度图的技术,广泛应用于计算机视觉和图像处理领域。该项目通过提供一系列节点和脚本,使得用户可以在 ComfyUI 中轻松集成和使用 Marigold 深度估计功能。
2、项目下载位置
你可以通过以下链接访问 ComfyUI-Marigold 项目的 GitHub 仓库进行下载:
3、项目安装环境配置
在安装 ComfyUI-Marigold 之前,请确保你的系统已经安装了以下依赖项:
- Python 3.8 或更高版本
- ComfyUI 环境
- Git
环境配置示例
以下是一个简单的环境配置示例:
# 安装 Python 3.8 或更高版本
sudo apt-get install python3.8
# 安装 Git
sudo apt-get install git
# 克隆 ComfyUI 仓库(如果尚未安装)
git clone https://github.com/comfyui/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt

4、项目安装方式
推荐方式:使用 ComfyUI 管理器
- 打开 ComfyUI 管理器。
- 搜索 "marigold"。
- 点击安装按钮,等待安装完成。
手动安装
-
克隆 ComfyUI-Marigold 仓库到
ComfyUI/custom_nodes目录:git clone https://github.com/kijai/ComfyUI-Marigold.git ComfyUI/custom_nodes/ComfyUI-Marigold -
安装项目依赖:
cd ComfyUI/custom_nodes/ComfyUI-Marigold pip install -r requirements.txt -
获取模型文件(如果需要):
git clone https://huggingface.co/Bingxin/Marigold ComfyUI/custom_nodes/ComfyUI-Marigold/checkpoints
5、项目处理脚本
ComfyUI-Marigold 提供了多个处理脚本,用于在 ComfyUI 中集成 Marigold 深度估计功能。以下是一些常用的脚本:
nodes.py: 包含 Marigold 深度估计的节点定义。prestartup_script.py: 在 ComfyUI 启动时自动加载 Marigold 节点。marigold_nodes.mp4: 演示视频,展示了如何在 ComfyUI 中使用 Marigold 节点。
使用示例
以下是一个简单的使用示例,展示了如何在 ComfyUI 中使用 Marigold 节点进行深度估计:
from nodes import MarigoldDepthEstimationNode
# 创建 Marigold 深度估计节点
node = MarigoldDepthEstimationNode()
# 设置参数
node.denoise_steps = 50
node.n_repeat = 10
node.n_repeat_batch_size = 5
# 运行深度估计
depth_map = node.run()

通过以上步骤,你就可以成功下载、安装并使用 ComfyUI-Marigold 项目了。希望这篇教程对你有所帮助!
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
875
576
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
334
161
暂无简介
Dart
762
184
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.32 K
744
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134