> ## 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.

# Marigold V2: ComfyUI 深度・ノーマル・アルベド推定

> Marigold V2 を使って ComfyUI で単一画像から深度、サーフェスノーマル、アルベドを推定します。専用 LoRA を備えた Qwen-Image Edit ベースの diffusion transformer です。

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](https://github.com/comfyanonymous/ComfyUI) を最新バージョンに更新してください。

> [!TIP]
>
> > [tab] ローカルユーザー
> >
> > ComfyUI が最新版に更新されていることを確認してください。
> >
> > * [ComfyUI のダウンロード](https://www.comfy.org/download)
> > * [更新手順](https://docs.comfy.org/ja/installation/update_comfyui.md)
> >
> > 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](https://docs.comfy.org/ja/interface/features/template.md)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
>
> > [tab] クラウドユーザー
> >
> > * [Cloud](https://cloud.comfy.org) は、ComfyUI の安定版リリース後に更新されます。
> >
> > したがって、このドキュメントでコアノードが見つからない場合、それは新しいコアノードがまだ最新の安定版にリリースされていない可能性があります。次回の安定版リリースをお待ちください。

## 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:

> [card] [Diffusion モデル](https://huggingface.co/Comfy-Org/marigold-v2-0/resolve/main/diffusion_models/qwen_image_edit_2509_int8_convrot.safetensors)
>
> 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](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/templates/image_marigold_v2_depth_estimation-1.webp)

> [card] [Comfy Cloudで実行](https://cloud.comfy.org/?template=image_marigold_v2_depth_estimation\&utm_source=docs\&utm_medium=referral\&utm_campaign=marigold-v2)
>
> Comfy Cloudで開く

> [card] [ワークフローをダウンロード](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/image_marigold_v2_depth_estimation.json)
>
> 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:

> [card] [ev\_suv\_gold\_desert\_pavilion.png](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/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

> [card] [深度LoRA](https://huggingface.co/Comfy-Org/marigold-v2-0/resolve/main/loras/marigold_v2_depth_log_stage2.safetensors)
>
> marigold\_v2\_depth\_log\_stage2.safetensors → ComfyUI/models/loras/

> [card] [深度VAE](https://huggingface.co/Comfy-Org/marigold-v2-0/resolve/main/vae/marigold_v2_depth_log_stage2_vae.safetensors)
>
> marigold\_v2\_depth\_log\_stage2\_vae.safetensors → ComfyUI/models/vae/

> [card] [深度条件embedding](https://huggingface.co/Comfy-Org/marigold-v2-0/resolve/main/embeddings/marigold_v2_depth_conditioning.safetensors)
>
> 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
```

## 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](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/templates/image_marigold_v2_surface_normal_estimation-1.webp)

> [card] [Comfy Cloudで実行](https://cloud.comfy.org/?template=image_marigold_v2_surface_normal_estimation\&utm_source=docs\&utm_medium=referral\&utm_campaign=marigold-v2)
>
> Comfy Cloudで開く

> [card] [ワークフローをダウンロード](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/image_marigold_v2_surface_normal_estimation.json)
>
> 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:

> [card] [greek\_statue\_orange\_cloth.png](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/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

> [card] [法線LoRA](https://huggingface.co/Comfy-Org/marigold-v2-0/resolve/main/loras/marigold_v2_normals.safetensors)
>
> marigold\_v2\_normals.safetensors → ComfyUI/models/loras/

> [card] [法線VAE](https://huggingface.co/Comfy-Org/marigold-v2-0/resolve/main/vae/marigold_v2_normals_vae.safetensors)
>
> marigold\_v2\_normals\_vae.safetensors → ComfyUI/models/vae/

> [card] [法線条件embedding](https://huggingface.co/Comfy-Org/marigold-v2-0/resolve/main/embeddings/marigold_v2_normals_conditioning.safetensors)
>
> 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
```

## 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](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/templates/image_marigold_v2_albedo_estimation-1.webp)

> [card] [Comfy Cloudで実行](https://cloud.comfy.org/?template=image_marigold_v2_albedo_estimation\&utm_source=docs\&utm_medium=referral\&utm_campaign=marigold-v2)
>
> Comfy Cloudで開く

> [card] [ワークフローをダウンロード](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/image_marigold_v2_albedo_estimation.json)
>
> 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:

> [card] [flower\_with\_texture.png](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/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

> [card] [アルベドLoRA](https://huggingface.co/Comfy-Org/marigold-v2-0/resolve/main/loras/marigold_v2_albedo.safetensors)
>
> marigold\_v2\_albedo.safetensors → ComfyUI/models/loras/

> [card] [アルベドVAE](https://huggingface.co/Comfy-Org/marigold-v2-0/resolve/main/vae/marigold_v2_albedo_vae.safetensors)
>
> marigold\_v2\_albedo\_vae.safetensors → ComfyUI/models/vae/

> [card] [アルベド条件embedding](https://huggingface.co/Comfy-Org/marigold-v2-0/resolve/main/embeddings/marigold_v2_albedo_conditioning.safetensors)
>
> 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 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


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.