Skip to main content
Marigold V2 は、Huawei Bayer Lab による単眼推定モデルのファミリーで、diffusion transformer（Qwen-Image Edit 2509）をジオメトリおよび intrinsic image の推定に転用したものです。単一の RGB 画像から、これらのモデルは深度マップ、サーフェスノーマル、またはアルベドを予測します。これは、同じタスクに Stable Diffusion を転用したオリジナルの Marigold（CVPR 2024）の発展形にあたります。V2 のモデルは共有のベース diffusion モデル上の LoRA として提供されるため、各ダウンロードを小さく抑えられ、3 つのタスクすべてでワークフロー構造が同一に保たれます。 従来の深度推定ネットワークと比較して、この diffusion ベースのアプローチはシャープで境界を意識した予測を生成し、再学習なしでオープンドメインの画像にも汎化します。典型的な用途としては、画像およびビデオ生成のための深度ガイドによる制御、3D シーン再構成パイプライン、リライティング、推定されたアルベドを利用したマテリアル編集などがあります。 Marigold V2 は ComfyUI でネイティブにサポートされています。開始する前に ComfyUI を最新バージョンに更新してください。
ComfyUI が最新版に更新されていることを確認してください。このガイドで紹介するワークフローは、ワークフローテンプレートから入手できます。 テンプレート内に該当のワークフローが見つからない場合、ComfyUI のバージョンが古くなっている可能性があります。ワークフローを読み込んだ際にノードが欠落している場合の考えられる原因：
  1. 最新の ComfyUI（Nightly 版）を使用していない
  2. 起動時に一部のノードのインポートに失敗している

​
モデルのインストール

各ワークフローは4つのファイルを使用します: 共有ベース diffusion モデルと、タスク固有の LoRA、VAE、条件付け embedding です。3つのタスクはそれぞれ異なる LoRA、VAE、条件付けファイルを使用するため、以下の各ワークフローセクションには必要な正確なファイルへのリンクがあります。 ベース diffusion モデルは3つのワークフローで共有されます:

Diffusion モデル

qwen_image_edit_2509_int8_convrot.safetensors → ComfyUI/models/diffusion_models/
3つのタスクをすべて実行する予定の場合は、ワークフローの各セクションからタスクごとの LoRA、VAE、条件付け embedding をダウンロードし、各セクションに示されているとおりに保存してください。

​
深度推定

1枚の画像からデプスマップを予測します。デコードされた予測は正規化され、手前の表面ほど明るく表示されます。 Marigold V2 深度推定ワークフロー プレビュー

Comfy Cloudで実行

Comfy Cloudで開く

ワークフローをダウンロード

JSONをダウンロードするか、テンプレートライブラリで “深度推定: Marigold V2” を検索
入力ファイル このファイルを対応する LoadImage ノードにアップロードします:

ev_suv_gold_desert_pavilion.png

LoadImage ノードにアップロードします · ev_suv_gold_desert_pavilion.png

​
1. 実行手順

  1. LoadImage ノードで入力画像を読み込みます
  2. ワークフローを実行します: ベースモデルが深度 LoRA を適用して実行し、Marigold V2 Post-Process ノードがデコードされた予測を正規化します
  3. 生成されたデプスマップを保存またはプレビューします

​
2. モデルのダウンロード

深度LoRA

marigold_v2_depth_log_stage2.safetensors → ComfyUI/models/loras/

深度VAE

marigold_v2_depth_log_stage2_vae.safetensors → ComfyUI/models/vae/

深度条件embedding

marigold_v2_depth_conditioning.safetensors → ComfyUI/models/embeddings/

​
サーフェス法線推定

1枚の画像からピクセルごとのサーフェス法線を予測します。出力は各ピクセルを表面の向きに対応付け、リライティングやジオメトリ解析に役立ちます。 Marigold V2 サーフェス法線推定ワークフロー プレビュー

Comfy Cloudで実行

Comfy Cloudで開く

ワークフローをダウンロード

JSONをダウンロードするか、テンプレートライブラリで “サーフェス法線推定: Marigold V2” を検索
入力ファイル このファイルを対応する LoadImage ノードにアップロードします:

greek_statue_orange_cloth.png

LoadImage ノードにアップロードします · greek_statue_orange_cloth.png

​
1. 実行手順

  1. LoadImage ノードで入力画像を読み込みます
  2. 法線 LoRA を読み込んでワークフローを実行します
  3. 生成された法線マップを保存またはプレビューします

​
2. モデルのダウンロード

法線LoRA

marigold_v2_normals.safetensors → ComfyUI/models/loras/

法線VAE

marigold_v2_normals_vae.safetensors → ComfyUI/models/vae/

法線条件embedding

marigold_v2_normals_conditioning.safetensors → ComfyUI/models/embeddings/

​
アルベド推定

1枚の画像のアルベド（固有色）を予測し、マテリアルの色をライティングやシェーディングから分離します。出力は Marigold V2 Post-Process ノードによって sRGB に変換されます。 Marigold V2 アルベド推定ワークフロー プレビュー

Comfy Cloudで実行

Comfy Cloudで開く

ワークフローをダウンロード

JSONをダウンロードするか、テンプレートライブラリで “アルベド推定: Marigold V2” を検索
入力ファイル このファイルを対応する LoadImage ノードにアップロードします:

flower_with_texture.png

LoadImage ノードにアップロードします · flower_with_texture.png

​
1. 実行手順

  1. LoadImage ノードで入力画像を読み込みます
  2. アルベド LoRA を読み込んでワークフローを実行します
  3. 生成されたアルベド画像を保存またはプレビューします

​
2. モデルのダウンロード

アルベドLoRA

marigold_v2_albedo.safetensors → ComfyUI/models/loras/

アルベドVAE

marigold_v2_albedo_vae.safetensors → ComfyUI/models/vae/

アルベド条件embedding

marigold_v2_albedo_conditioning.safetensors → ComfyUI/models/embeddings/

​
Marigold V2 Post-Process ノード

すべてのワークフローは Marigold V2 Post-Process ノードで終わり、デコードされた生の予測を閲覧可能な画像に変換します。prediction オプションはタスクと一致させる必要があります。
  • depth: 手前の面が明るくなるように予測を正規化します
  • normals: 生の値を単位表面法線にマッピングします
  • albedo: 予測を sRGB に変換します