ComfyUI Depth Anything 3 简介
Depth Anything 3 (DA3) 来自字节跳动豆包团队，是一个视觉 Transformer，能够从任意视觉输入中恢复空间一致的几何信息，无论是否具有已知的相机位姿。单个 DINO 编码器和统一的深度-射线表示使得同一模型家族能够覆盖单目深度、多视角深度、相机位姿估计和 3D 重建。 主要能力：- 统一单目与多视角深度：从单张图像或多张图像估计深度
- 相机位姿估计：从无序图像集合中恢复相机位置
- 3D 重建：支持多视角输入
- 视频深度估计：为视频输入生成逐帧深度序列
- 多种模型变体：Small、Base、Mono/Metric Large
模型下载
下载 Depth Anything 3 的模型文件并将其保存到对应的 ComfyUI 文件夹：- Small (depth_anything_3_small.safetensors) — 轻量快速推理
- Base (depth_anything_3_base.safetensors) — 平衡性能
- Mono-Large (depth_anything_3_mono_large.safetensors) — 最佳单目深度，含天空检测
- Metric-Large (depth_anything_3_metric_large.safetensors) — 物理度量深度（米级）
示例工作流
Depth Anything 3：图像深度估计
上传一张图像，使用 Depth Anything 3 生成深度图。并排查看原始图像与深度输出的对比。
在 Comfy Cloud 上运行
在 Comfy Cloud 中打开
下载工作流
下载 JSON，或在模板库中搜索“Depth Anything 3：图像深度估计”
LoadImage 节点：
retro_futuristic_home.png
LoadImage 节点 85 · retro_futuristic_home.png
运行步骤
- LoadImage：加载输入图像
- LoadDA3Model：选择 Depth Anything 3 变体
- Run：点击 Queue 或使用
Cmd+Enter - 工作流将输出深度图和并排对比图
了解 Subgraph
此工作流使用 Subgraph 节点进行模块化处理。查看 Subgraph 文档，了解如何自定义和扩展工作流。
Depth Anything 3：视频深度估计
上传视频，逐帧生成深度序列。在 Subgraph 内部，GetVideoComponents 将输入视频拆分为帧，LoadDA3Model 加载模型，SetVideoComponents 将深度帧重新组合为视频输出。
在 Comfy Cloud 上运行
在 Comfy Cloud 中打开
下载工作流
下载 JSON，或在模板库中搜索“Depth Anything 3：视频深度估计”
LoadVideo 节点：
empty_room_assembly.mp4
LoadVideo 节点 87 · empty_room_assembly.mp4运行步骤
- LoadVideo：加载输入视频
- Select Model：在 Small、Base、Mono-Large 或 Metric-Large 之间选择
- Run：点击 Queue 或使用
Cmd+Enter - 工作流将输出包含逐帧深度图的视频
了解 Subgraph
此工作流使用 Subgraph 节点进行模块化处理。查看 Subgraph 文档，了解如何自定义和扩展工作流。
模型变体
- Small 和 Base 使用
dualdpt头类型，支持置信度估计和相机解码器，适用于多视角应用。 - Mono-Large 和 Metric-Large 使用
dpt头类型，支持天空检测。Metric-Large 输出原始米级深度。
社区资源
- Depth Anything 3 GitHub (ByteDance-Seed): 研究论文和代码
- Comfy-Org/Depth-Anything-3: 官方 ComfyUI 模型权重