【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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
CAP基于最终一致性的微服务分布式事务解决方案,也是一种采用 Outbox 模式的事件总线。C#00
热门内容推荐
最新内容推荐
3种实用方案解决软件试用期管理难题SMUDebugTool:重新定义AMD Ryzen硬件调试的开源解决方案企业级视频本地化:技术架构与商业落地指南4个效率优化维度:Kronos金融大模型资源配置与训练实战指南3步打造高效键盘效率工具:MyKeymap个性化配置指南RapidOCR:企业级本地化OCR工具的技术解析与应用实践开源小说下载工具:实现网络小说本地存储的完整方案Detect-It-Easy技术教程:精准识别PyInstaller打包文件的核心方法GDevelop零代码游戏开发:3大痛点解决方案与实战案例高效解决知识星球内容备份难题:完全掌握zsxq-spider从爬取到PDF的知识管理方案
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
652
4.23 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
488
599
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
390
280
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++
937
854
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
332
387
🎉 (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
1.53 K
886
暂无简介
Dart
900
215
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
194
昇腾LLM分布式训练框架
Python
141
167