ComfyUI 中使用Depth ControlNet SD1.5 模型指南

Depth ControlNet 是一個專門用於控製圖像深度和空間結構的ControlNet 模型。它通過分析輸入圖像的深度信息，幫助AI 在生成新圖像時保持正確的空間關係和透視效果。這個模型在室內設計、建築設計和場景重構等領域特別有用，因為它能夠準確理解和保持空間的深度信息。

一、Depth ControlNet 主要特點

空間控制: 精確控製圖像的空間深度和透視關係

場景重構: 能夠保持原始場景的空間佈局，同時改變風格和內容

室內設計: 特別適合室內場景的重新設計和風格轉換

建築可視化: 對建築和室內設計的3D 效果展示特別有效

產品展示: 適合創建具有深度感的產品展示效果

場景規劃: 幫助進行景觀設計和城市規劃的可視化

二、SD1.5 Depth ControlNet工作流準備工作

1. 安裝必要插件

由於ComfyUI Core 並不帶有對應的Depth 圖像預處理器，所以需要預先下載對應的預處理器插件本教程需要使用ComfyUI ControlNet Auxiliary Preprocessors插件來生成深度圖。

這裡比較推薦使用ComfyUI Manager 來進行安裝插件安裝的教程可以參考ComfyUI 插件安裝教程這個部分說得比較詳細了

最新版本ComfyUI Desktop已經預裝ComfyUI Manager 插件了

方式一：使用ComfyUI Manager（推薦）

先安裝ComfyUI Manager

在Manager 中搜索並安裝“ComfyUI ControlNet Auxiliary Preprocessors”

方式二：通過git 安裝必要插件

打開命令行，使用cd 命令進入ComfyUI 的custom_nodes 目錄

執行以下命令：

 git clone https://github.com/Fannovel16/comfyui_controlnet_aux
cd comfyui_controlnet_aux
pip install -r requirements.txt

注意：安裝完插件後需要重啟ComfyUI

方式三：手動安裝（不推薦）

1.訪問https://github.com/Fannovel16/comfyui_controlnet_aux

2. 下載對應的代碼倉庫的代碼的ZIP 包含

3. 複製解壓後的文件到ComfyUI/custom_nodes/ 文件夾下

2.1 下載工作流所需模型

首先需要安裝以下模型:

SD1.5 版本的模型可以使用你自己電腦上的模型，只是本篇教程中使用的是dreamshaper_8 這個模型作為示例，如果是室內設計等場���，你應該選擇專門為室內或建築設計優化訓練過的模型

2.2 模型存放位置

請按照以下結構放置模型文件:

3. 工作流文件

室內設計是Depth ControlNet 最常見的應用場景之一。通過深度信息的控制，可以保持原有空間佈局的同時，完全改變室內的風格和氛圍。

以下是一個將傳統客廳轉換為賽博朋克風格的示例：

SD1.5 Depth ControlNet Workflow

三、SD1.5 Depth ControlNet 工作流說明

主要組件

本工作流使用了以下關鍵節點：

1、 LoadImage:加載輸入圖像

2、 Zoe-DepthMapPreprocessor:生成深度圖，這是由ComfyUI ControlNet Auxiliary Preprocessors 插件提供的節點

1.resolution: 控制深度圖的分辨率，這個參數會影響深度圖的精細程度：

較大分辨率(如768, 1024)：

優點：能夠捕捉多細節，對於復雜的室內場景和建築效果更好

缺點：處理速度較慢，佔用更多顯存

適用場景：精細的室內設計、建築細節重現

較小分辨率(如384, 512)：

優點：處理速度快，顯存佔用少

缺點：可能丟失一些細節信息

適用場景：快速預覽、簡單場景重構

建議設置：

一般場景：512 是較好的平衡點

細節要求高：768 或更高

快速測試：384

2.使用Zoe 深度估計算法，能夠生成高質量的深度圖

3.特別適合室內場景和建築場景

4.可以通過PreviewImage 節點預覽生成的深度圖

提示：建議先用較低的resolution 進行測試和調整，確定其他參數後再提高resolution 進行最終生成

提示：Zoe-DepthMapPreprocessor 是目前最適合建築和室內場景的深度圖生成器之一，它能夠很好地處理複雜的空間結構和細節

四、Depth ControlNet 參數設計說明及建議

KSampler 參數設置

1、steps (採樣步數)

作用：控制生成圖像的精細程度和質量

建議範圍：25-30步

參數說明：

較高步數(30+)：生成更精細的細節，但耗時更長

較低步數(20-)：生成速度快，但可能丟失細節

建議不低於25步，以確保空間結構的準確性

2、cfg (提示詞相關度)

作用：控制生成圖像與提示詞的匹配程度

建議範圍：6-8

參數說明：

較高數值(8+)：更嚴格遵循提示詞，但可能影響創意性

較低數值(5-)：更有創意，但可能偏離原始意圖

室內設計場景建議使用6-7，以平衡準確性和創意性

3、sampler_name (採樣器)

建議選擇：

euler：速度快，適合快速預覽

dpmpp_2m：質量好，適合最終生成

不同場景選擇：

室內設計：優先使用dpmpp_2m

快速測試：使用euler

4、scheduler (調度器)

建議使用：karras

原因：對空間結構的保持效果最好

ControlNet 控制參數

1、strength (控制強度)

作用：決定深度信息對生成結果的影響程度

建議範圍：0.8-1.0

場景建議：

室內設計：0.9-1.0

建築外觀：0.8-0.9

簡單場景：0.7-0.8

2、start_percent 和end_percent

作用：控制深度引導在生成過程中的作用範圍

默認設置：

start_percent: 0 (從開始就應用控制)

end_percent: 1 (全程保持控制)

特殊情況：

如果想在生成後期允許更多創意變化，可以將end_percent 設置為0.8-0.9

如果想保持嚴格的空間結構，建議保持默認值

提示：這些參數可以組合使用，例如在進行室內設計時，可以使用較高的strength (0.9+)配合較高的steps (30+)來獲得最佳效果

五、工作流節點說明

本工作流的主要節點連接說明：

1.輸入部分:

LoadImage → Zoe-DepthMapPreprocessor → PreviewImage (用於預覽深度圖)

LoadImage → Zoe-DepthMapPreprocessor → ControlNetApplyAdvanced

2.模型加載部分:

CheckpointLoaderSimple (加載基礎模型)

ControlNetLoader (加載Depth ControlNet)

3.提示詞處理部分:

CLIPTextEncode (處理正面提示詞)

CLIPTextEncode (處理負面提示詞)

4.生成控制部分:

KSampler (控制生成過程)

VAEDecode (將潛空間圖像轉換為最終圖像)

六、Depth ControlNet 使用技巧與最佳實踐

1.深度圖質量控制

使用高質量的輸入圖像

確保圖像有清晰的空間層次

避免過於復雜的場景

注意光線對深度圖的影響

2.提示詞編寫

詳細描述空間關係

包含材質和光照信息

明確指出重要的深度元素

使用專業術語提升生成質量

推薦的關鍵詞:

空間詞: depth, perspective, spatial layout, composition

質量詞: professional, high quality, detailed, realistic

風格詞: modern, minimalist, futuristic (根據需求選擇)

3.常見問題解決

空間感不足：增加strength 值

細節丟失：適當降低cfg 值

結構變形：增加steps 值

深度不准：調整resolution 值

風格不對：優化提示詞描述

七、常見問題（FAQ）

1.為什么生成的圖像空間感不強？

檢查深度圖是否清晰

確認strength 值是否足夠高

考慮增加steps 值

2.如何提高生成圖像的質量？

使用更高的resolution

選擇合適的採樣器

優化提示詞描述

3.生成速度太慢怎麼辦？

降低resolution

使用更快的採樣器

減少採樣步數

4.如何保持原始圖像的佈局？

增加strength 值

保持end_percent 為1

使用更詳細的空間描述