К содержимому
Изображения

Marigold V2 albedo (ComfyUI)

извлечение чистого цвета поверхностей без теней

2 мин чтенияобновлено

Набор готовых весов для оценки альбедо (базового цвета поверхности без учёта освещения, бликов и теней) на фотографиях. Сборка объединяет модель Marigold V2 от исследователей EPFL, HUAWEI Bayer Lab и Болонского университета с базовой архитектурой Qwen-Image-Edit-2509. В отличие от оригинального релиза, здесь базовый трансформер квантован в 4-битный формат NF4 (сжатие весов для снижения нагрузки на видеопамять), а все компоненты разложены по стандартным папкам ComfyUI. Релиз пригодится 3D-художникам, специалистам по фотограмметрии и всем, кто работает с переосвещением сцен в ComfyUI или приложении Askiagraphy.

Ключевые особенности

  • Сжатый бэкбон NF4: трансформер Qwen-Image-Edit-2509 квантован в 4 бита через bitsandbytes (blocksize 64), при этом выходные проекции и нелинейные слои сохранены в bf16 для точности.
  • Структура под ComfyUI: файлы сразу распределены по директориям diffusion_models, loras, vae и embeddings.
  • Совместимость с Comfy-Org: LoRA-адаптер (небольшая надстройка над базовой моделью), дообученный декодер VAE и текстовый эмбеддинг побайтово совпадают с официальной сборкой от Comfy-Org.
  • Свободная лицензия: модель распространяется под Apache License 2.0, что разрешает коммерческое использование.

Что можно сделать

  • Извлекать чистые текстуры (albedo-карты) из обычных фотографий, убирая падающие тени и световые рефлексы.
  • Использовать полученные карты базового цвета для последующего переосвещения объектов или создания материалов для 3D-сцен.
  • Запускать пайплайн оценки альбедо локально в ComfyUI на видеокартах с ограниченным объёмом памяти за счёт 4-битного трансформера.

Пример

Для работы в ComfyUI скачайте файлы из репозитория и разложите их по соответствующим каталогам моделей:

models/diffusion_models/qwen_image_edit_2509_nf4.safetensors
models/loras/marigold_v2_albedo.safetensors
models/vae/marigold_v2_albedo_vae.safetensors
models/embeddings/marigold_v2_albedo_conditioning.safetensors
ПодробнееБазовые модели: huawei-bayerlab/marigold-v2-0 и Qwen/Qwen-Image-Edit-2509
Квантование: bitsandbytes 0.48.2 (NF4, blocksize 64, без двойного квантования)
Лицензия: Apache License 2.0
Обсудить Telegram 0

Запустится ли?

Запустится в NF4

Влезает без сжатия.

  • NF4веса 13 GB · готовые файлы15 GB

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: NF4 — от RTX 5080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # askiagraphy/marigold-v2-albedo-comfyui
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download askiagraphy/marigold-v2-albedo-comfyui --local-dir ~/models/marigold-v2-albedo-comfyui
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к marigold-v2-albedo-comfyui
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

huawei-bayerlab/marigold-v2-0
  1. Qwen-Image-Edit-2509основа семьи
  2. marigold-v2-0
  3. marigold-v2-albedo-comfyui

Новые посты про версии Qwen-Image-Edit-2509 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face

О модели

askiagraphy/marigold-v2-albedo-comfyui
Автор
askiagraphy
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии