> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.
# ComfyUI Marigold V2 深度、法线与反照率估计指南
> 使用 Marigold V2 在 ComfyUI 中从单张图像估计深度、表面法线与反照率：基于 Qwen-Image Edit 的扩散 transformer，并配备专用 LoRA。
Marigold V2 是华为拜耳实验室推出的一系列单目估计模型，该系列将扩散 transformer（Qwen-Image Edit 2509）重新用于几何与固有图像估计。仅凭一张 RGB 图像，这些模型就能预测深度图、表面法线或反照率，延续了原始的 Marigold（CVPR 2024，同样将 Stable Diffusion 用于该任务）的思路。V2 系列模型以 LoRA 的形式发布在一个共享的基础扩散模型之上，因此每个文件的下载体积都很小，并且三项使用例的工作流结构完全一致。
与经典深度网络相比，这种基于扩散的方法能生成锐利且边界感知良好的预测结果，并且无需重新训练即可泛化到开放域图像。典型用途包括图像与视频生成中的深度引导控制、3D 场景重建流水线、重打光，以及由估计出的反照率驱动的材质编辑。
Marigold V2 已在 ComfyUI 中原生支持。开始之前，请先将 [ComfyUI](https://github.com/comfyanonymous/ComfyUI) 更新到最新版本。
请确保你的 ComfyUI 已经更新。
* [ComfyUI 下载](https://www.comfy.org/download)
* [ComfyUI 更新教程](/zh/installation/update_comfyui)
本指南里的工作流可以在[工作流模板](/zh/interface/features/template)中找到。如果找不到，可能是 ComfyUI 没有更新。
如果加载工作流时有节点缺失，可能原因有：
1. 你用的不是最新版（每夜版）。
2. 启动时有些节点导入失败。
* [Cloud](https://cloud.comfy.org) 会在 ComfyUI 稳定版本发布后更新。
所以，如果你发现本文档中有任何核心节点缺失，可能是因为新核心节点尚未在最新稳定版中发布。请等待下一个稳定版发布。
## 模型安装
每个工作流使用四个文件：共享的基础 diffusion 模型，以及特定任务的 LoRA、VAE 和条件 embedding。三个任务使用不同的 LoRA、VAE 和条件文件，因此下面的每个工作流章节都链接了它所需的确切文件。
基础 diffusion 模型由三个工作流共享：
qwen\_image\_edit\_2509\_int8\_convrot.safetensors → ComfyUI/models/diffusion\_models/
如果你打算运行全部三个任务，请从各工作流章节下载对应的 LoRA、VAE 和条件 embedding，并按照每个章节所示的位置存放它们。
深度估计
从单张图像预测深度图。解码后的预测结果会被归一化，使距离较近的表面显得更亮。
在 Comfy Cloud 中打开
下载 JSON，或在模板库中搜索 "深度估计：Marigold V2"
**输入素材**
将该文件上传到对应的 `LoadImage` 节点:
`LoadImage` 节点 · `ev_suv_gold_desert_pavilion.png`
### 1. 运行步骤
1. 在 `LoadImage` 节点中加载输入图像
2. 运行工作流：基础模型会加载深度 LoRA，Marigold V2 Post-Process 节点会将解码后的预测归一化
3. 保存或预览生成的深度图
### 2. 模型下载
marigold\_v2\_depth\_log\_stage2.safetensors → ComfyUI/models/loras/
marigold\_v2\_depth\_log\_stage2\_vae.safetensors → ComfyUI/models/vae/
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
```
表面法线估计
从单张图像预测逐像素的表面法线。输出将每个像素映射到其表面朝向，可用于重打光和几何分析。
在 Comfy Cloud 中打开
下载 JSON，或在模板库中搜索 "表面法线估计：Marigold V2"
**输入素材**
将该文件上传到对应的 `LoadImage` 节点:
`LoadImage` 节点 · `greek_statue_orange_cloth.png`
### 1. 运行步骤
1. 在 `LoadImage` 节点中加载输入图像
2. 加载法线 LoRA 后运行工作流
3. 保存或预览生成的法线贴图
### 2. 模型下载
marigold\_v2\_normals.safetensors → ComfyUI/models/loras/
marigold\_v2\_normals\_vae.safetensors → ComfyUI/models/vae/
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
```
反照率估计
预测单张图像的反照率（固有颜色），将材质颜色与光照和阴影分离。输出由 Marigold V2 Post-Process 节点转换为 sRGB。
在 Comfy Cloud 中打开
下载 JSON，或在模板库中搜索 "反照率估计：Marigold V2"
**输入素材**
将该文件上传到对应的 `LoadImage` 节点:
`LoadImage` 节点 · `flower_with_texture.png`
### 1. 运行步骤
1. 在 `LoadImage` 节点中加载输入图像
2. 加载反照率 LoRA 后运行工作流
3. 保存或预览生成的反照率图像
### 2. 模型下载
marigold\_v2\_albedo.safetensors → ComfyUI/models/loras/
marigold\_v2\_albedo\_vae.safetensors → ComfyUI/models/vae/
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 后处理节点
每个工作流都以 **Marigold V2 Post-Process** 节点结尾，该节点会将解码后的原始预测转换为可查看的图像。**prediction** 选项必须与任务匹配：
* **depth**：对预测进行归一化，使靠近的表面显得明亮
* **normals**：将原始值映射为单位表面法线
* **albedo**：将预测转换为 sRGB