​

ComfyUI Depth Anything 3 概要

• 統一された単眼・多視点深度：単一または複数の画像から深度を推定
• カメラポーズ推定：順序なし画像セットからカメラ位置を復元
• 3D 再構築：多視点入力をサポート
• 動画深度推定：動画入力のフレームごとの深度シーケンスを生成
• 複数のモデルバリアント：Small、Base、Mono/Metric Large

​

モデルインストール

• Small (depth_anything_3_small.safetensors) — 軽量で高速な推論
• Base (depth_anything_3_base.safetensors) — バランスの取れた性能
• Mono-Large (depth_anything_3_mono_large.safetensors) — 単眼深度に最適（空検出対応）
• Metric-Large (depth_anything_3_metric_large.safetensors) — メートル単位の物理深度（空検出対応）

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

​

サンプルワークフロー

​

Depth Anything 3: 画像深度推定

​

実行手順

1. LoadImage: 入力画像を読み込む
2. LoadDA3Model: Depth Anything 3 のバリアントを選択する
3. Run: Queueをクリックするか、Cmd+Enter を押します
4. ワークフローは、深度マップと並べて比較した結果を出力します

​

Depth Anything 3: 動画深度推定

​

実行手順

1. LoadVideo: 入力動画を読み込む
2. モデルを選択: Small、Base、Mono-Large、Metric-Large から選択します
3. Run: Queueをクリックするか、Cmd+Enter を押します
4. ワークフローは、フレームごとの深度マップを持つビデオを出力します

​

モデルバリアント

• Small と Base は、dualdpt ヘッドタイプを採用し、信頼度推定とカメラデコーダーサポートを備え、マルチビューアプリケーションに対応します。
• Mono-Large と Metric-Large は、dpt ヘッドタイプを採用し、空の検出に対応します。Metric-Large は、メートル単位の生の深度を出力します。

​

コミュニティリソース

• Depth Anything 3 GitHub (ByteDance-Seed): 研究論文とコード
• Comfy-Org/Depth-Anything-3: 公式 ComfyUI モデルウェイト