Depth Anything 3：ComfyUI 深度估计、相机位姿与 3D 重建

在 ComfyUI 中使用 Depth Anything 3 进行单目和多视角深度估计、相机位姿恢复，以及基于图像和视频的 3D 重建。

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

[!TIP] > [tab] 本地用户 > > 请确保你的 ComfyUI 已经更新。 > > ComfyUI 下载 > ComfyUI 更新教程 > > 本指南里的工作流可以在工作流模板中找到。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。 > [tab] 云端用户 > > * Cloud 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。

[!TIP] ComfyUI 现已原生支持 Depth Anything 3 节点。开始前请确保已更新到最新版本的 ComfyUI。

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）

ComfyUI/
├── models/
│   ├── geometry_estimation/
│   │   ├── depth_anything_3_small.safetensors
│   │   ├── depth_anything_3_base.safetensors
│   │   ├── depth_anything_3_mono_large.safetensors
│   │   └── depth_anything_3_metric_large.safetensors

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。

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开

[card] 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”

输入素材

将此文件上传到对应的 LoadImage 节点：

[card] retro\_futuristic\_home.png LoadImage 节点 85 · retro_futuristic_home.png

运行步骤

1. LoadImage：加载输入图像
2. LoadDA3Model：选择 Depth Anything 3 变体
3. Run：点击 Queue 或使用 Cmd+Enter
4. 工作流将输出深度图和并排对比图

[card] 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。

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开

[card] 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”

输入素材

将此文件上传到对应的 LoadVideo 节点：

[card] empty\_room\_assembly.mp4 LoadVideo 节点 87 · empty_room_assembly.mp4

<video controls> <source src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/empty_room_assembly.mp4" type="video/mp4" /> </video>

运行步骤

1. LoadVideo：加载输入视频
2. Select Model：在 Small、Base、Mono-Large 或 Metric-Large 之间选择
3. Run：点击 Queue 或使用 Cmd+Enter
4. 工作流将输出包含逐帧深度图的视频

[card] 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