PozzettiAndrea/ComfyUI-DepthAnythingV3

解决的问题

该项目将 Depth Anything V3 模型集成到 ComfyUI 中，使用户能够从图像和视频中生成空间一致的深度图。它解决了从视觉输入中恢复视觉空间和几何结构的问题，为 2D 深度映射（用于 ControlNet）和 3D 重建提供了工具。

工作原理

提供一组用于 ComfyUI 的自定义节点，可与各种 Depth Anything V3 模型变体（从小型到巨型）进行交互。根据所选模型，系统可执行单目深度估计、度量深度估计以及多视角注意力机制，以确保视频帧之间的深度一致性。还包含专门的归一化模式（如 V2-Style）以及将深度图转换为 3D 点云或网格的工具。

适用人群

• AI 艺术家和设计师：需要高质量深度图用于 ControlNet 工作流的 ComfyUI 用户。
• 3D 开发者：希望从单张或多张图像中重建 3D 点云或网格的用户。
• 视频创作者：需要在视频帧之间实现平滑且一致的深度估计的用户。

主要亮点

• 多种模型变体：支持从轻量级 DA3-Small（80M）到高保真 DA3-Nested-Giant-Large（1.4B）的广泛模型。
• 3D 重建：能够从视觉输入生成 3D 点云或网格。
• 多视角一致性：利用交叉注意力功能，保持视频帧之间的深度一致性。
• 特殊输出：提供天空分割掩码，用于过滤 3D 重建中的背景噪声。
• 灵活的归一化：提供不同的归一化模式，以适应 2D 图像生成或 3D 空间恢复。