ComfyUI Marigold V2 Depth, 노멀, Albedo 추정 가이드

Marigold V2는 Huawei Bayer Lab에서 개발한 단안(monocular) 추정 모델 제품군으로, diffusion transformer(Qwen-Image Edit 2509)를 기하 및 고유 이미지(intrinsic image) 추정에 활용하도록 재구성한 것입니다. 단일 RGB 이미지로부터 이 모델들은 깊이 맵, 표면 법선, 또는 알베도를 예측하며, 이는 동일한 작업을 위해 Stable Diffusion을 재활용했던 원본 Marigold(CVPR 2024)의 후속 작업입니다. V2 모델은 공유 베이스 diffusion 모델 위에 LoRA 형태로 제공되므로, 각 다운로드 크기가 작고 세 가지 작업 모두에서 워크플로 구조가 동일하게 유지됩니다. 기존의 깊이 네트워크와 비교할 때, diffusion 기반 접근 방식은 경계를 인식하는 선명한 예측을 생성하며 재학습 없이도 오픈 도메인 이미지에 일반화됩니다. 대표적인 용도로는 이미지 및 비디오 생성용 깊이 기반 제어, 3D 장면 재구성 파이프라인, 재조명, 그리고 추정된 알베도를 활용한 재질 편집 등이 있습니다. Marigold V2는 ComfyUI에서 네이티브로 지원됩니다. 시작하기 전에 최신 버전의 ComfyUI로 업데이트하세요.

로컬 사용자
클라우드 사용자

ComfyUI가 최신 버전으로 업데이트되었는지 확인하세요.

이 가이드의 워크플로는 워크플로 템플릿에서 확인할 수 있습니다. 템플릿에서 찾을 수 없다면, 귀하의 ComfyUI가 오래된 버전일 수 있습니다.워크플로를 로드할 때 노드가 누락되는 경우, 가능한 원인:

최신 ComfyUI 버전(최신 테스트 버전(nightly))을 사용하고 있지 않음
일부 노드가 시작 시 가져오기에 실패함

모델 설치

각 워크플로는 네 개의 파일을 사용합니다. 공유 base diffusion 모델과, 작업별 LoRA, VAE, 조건화 embedding입니다. 세 가지 작업은 서로 다른 LoRA, VAE, 조건화 파일을 사용하므로, 아래의 각 워크플로 섹션은 필요한 정확한 파일을 링크합니다. base diffusion 모델은 세 워크플로에서 공유됩니다:

Diffusion 모델

qwen_image_edit_2509_int8_convrot.safetensors → ComfyUI/models/diffusion_models/

세 작업을 모두 실행할 계획이라면 워크플로 섹션에서 작업별 LoRA, VAE, 조건화 embedding을 다운로드하고, 각 섹션에 표시된 위치에 저장하세요.

깊이 추정

단일 이미지에서 뎁스 맵을 예측합니다. 디코딩된 예측은 정규화되어 가까운 표면이 밝게 표시됩니다. Marigold V2 깊이 추정 워크플로 미리보기

Comfy Cloud에서 실행

Comfy Cloud에서 열기

워크플로 다운로드

JSON 다운로드 또는 템플릿 라이브러리에서 “깊이 추정: Marigold V2” 검색

입력 파일 이 파일을 해당 LoadImage 노드에 업로드합니다:

ev_suv_gold_desert_pavilion.png

LoadImage 노드에 업로드합니다 · ev_suv_gold_desert_pavilion.png

1. 실행 단계

LoadImage 노드에서 입력 이미지를 로드합니다
워크플로우를 실행합니다: 베이스 모델이 깊이 LoRA와 함께 실행되고, Marigold V2 Post-Process 노드가 디코딩된 예측을 정규화합니다
생성된 뎁스 맵을 저장하거나 미리 봅니다

2. 모델 다운로드

깊이 LoRA

marigold_v2_depth_log_stage2.safetensors → ComfyUI/models/loras/

깊이 VAE

marigold_v2_depth_log_stage2_vae.safetensors → ComfyUI/models/vae/

깊이 조건 embedding

marigold_v2_depth_conditioning.safetensors → ComfyUI/models/embeddings/

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 loras/
│   │   └── marigold_v2_depth_log_stage2.safetensors
│   ├── 📂 vae/
│   │   └── marigold_v2_depth_log_stage2_vae.safetensors
│   └── 📂 embeddings/
│       └── marigold_v2_depth_conditioning.safetensors

표면 법선 추정

단일 이미지에서 픽셀별 표면 법선을 예측합니다. 출력은 각 픽셀을 표면이 향한 방향에 매핑하며, 릴라이팅과 지오메트리 분석에 유용합니다. Marigold V2 표면 법선 추정 워크플로 미리보기

Comfy Cloud에서 실행

Comfy Cloud에서 열기

워크플로 다운로드

JSON 다운로드 또는 템플릿 라이브러리에서 “표면 법선 추정: Marigold V2” 검색

입력 파일 이 파일을 해당 LoadImage 노드에 업로드합니다:

greek_statue_orange_cloth.png

LoadImage 노드에 업로드합니다 · greek_statue_orange_cloth.png

1. 실행 단계

LoadImage 노드에서 입력 이미지를 로드합니다
법선 LoRA를 로드한 상태로 워크플로우를 실행합니다
생성된 법선 맵을 저장하거나 미리 봅니다

2. 모델 다운로드

법선 LoRA

marigold_v2_normals.safetensors → ComfyUI/models/loras/

법선 VAE

marigold_v2_normals_vae.safetensors → ComfyUI/models/vae/

법선 조건 embedding

marigold_v2_normals_conditioning.safetensors → ComfyUI/models/embeddings/

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 loras/
│   │   └── marigold_v2_normals.safetensors
│   ├── 📂 vae/
│   │   └── marigold_v2_normals_vae.safetensors
│   └── 📂 embeddings/
│       └── marigold_v2_normals_conditioning.safetensors

알베도 추정

단일 이미지의 알베도(고유 색상)를 예측하여 조명과 음영으로부터 재질 색상을 분리합니다. 출력은 Marigold V2 Post-Process 노드에 의해 sRGB로 변환됩니다. Marigold V2 알베도 추정 워크플로 미리보기

Comfy Cloud에서 실행

Comfy Cloud에서 열기

워크플로 다운로드

JSON 다운로드 또는 템플릿 라이브러리에서 “알베도 추정: Marigold V2” 검색

입력 파일 이 파일을 해당 LoadImage 노드에 업로드합니다:

flower_with_texture.png

LoadImage 노드에 업로드합니다 · flower_with_texture.png

1. 실행 단계

LoadImage 노드에서 입력 이미지를 로드합니다
알베도 LoRA를 로드한 상태로 워크플로우를 실행합니다
생성된 알베도 이미지를 저장하거나 미리 봅니다

2. 모델 다운로드

알베도 LoRA

marigold_v2_albedo.safetensors → ComfyUI/models/loras/

알베도 VAE

marigold_v2_albedo_vae.safetensors → ComfyUI/models/vae/

알베도 조건 embedding

marigold_v2_albedo_conditioning.safetensors → ComfyUI/models/embeddings/

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 loras/
│   │   └── marigold_v2_albedo.safetensors
│   ├── 📂 vae/
│   │   └── marigold_v2_albedo_vae.safetensors
│   └── 📂 embeddings/
│       └── marigold_v2_albedo_conditioning.safetensors

Marigold V2 Post-Process 노드

모든 워크플로는 Marigold V2 Post-Process 노드로 끝나며, 이 노드는 디코딩된 원시 예측을 볼 수 있는 이미지로 변환합니다. prediction 옵션은 작업과 일치해야 합니다:

depth: 가까운 표면이 밝게 보이도록 예측을 정규화합니다
normals: 원시 값을 단위 표면 법선으로 매핑합니다
albedo: 예측을 sRGB로 변환합니다

시작하기

Agent Tools / MCP

기본 개념

인터페이스 가이드

튜토리얼

Comfy Cloud 노드

파트너 노드

ComfyUI Marigold V2 Depth, 노멀, Albedo 추정 가이드

모델 설치

Diffusion 모델

깊이 추정

Comfy Cloud에서 실행

워크플로 다운로드

ev_suv_gold_desert_pavilion.png

1. 실행 단계

2. 모델 다운로드

깊이 LoRA

깊이 VAE

깊이 조건 embedding

표면 법선 추정

Comfy Cloud에서 실행

워크플로 다운로드

greek_statue_orange_cloth.png

1. 실행 단계

2. 모델 다운로드

법선 LoRA

법선 VAE

법선 조건 embedding

알베도 추정

Comfy Cloud에서 실행

워크플로 다운로드

flower_with_texture.png

1. 실행 단계

2. 모델 다운로드

알베도 LoRA

알베도 VAE

알베도 조건 embedding

Marigold V2 Post-Process 노드

​모델 설치

Diffusion 모델

​깊이 추정

Comfy Cloud에서 실행

워크플로 다운로드

ev_suv_gold_desert_pavilion.png

​1. 실행 단계

​2. 모델 다운로드

깊이 LoRA

깊이 VAE

깊이 조건 embedding

​표면 법선 추정

Comfy Cloud에서 실행

워크플로 다운로드

greek_statue_orange_cloth.png

​1. 실행 단계

​2. 모델 다운로드

법선 LoRA

법선 VAE

법선 조건 embedding

​알베도 추정

Comfy Cloud에서 실행

워크플로 다운로드

flower_with_texture.png

​1. 실행 단계

​2. 모델 다운로드

알베도 LoRA

알베도 VAE

알베도 조건 embedding

​Marigold V2 Post-Process 노드

모델 설치

깊이 추정

1. 실행 단계

2. 모델 다운로드

표면 법선 추정

1. 실행 단계

2. 모델 다운로드

알베도 추정

1. 실행 단계

2. 모델 다운로드

Marigold V2 Post-Process 노드