影视动漫行业术语

简介: 影视动漫行业术语科普帖。

为了让大家更了解影视动漫行业,在此收集并简单解释影视动漫行业术语,持续收集更新。解释不到位或者不准确的,欢迎评论。


Plate 素材

现场原始拍摄的,未经任何改动的素材。


Previz 预演

通过简单粗糙的动画快速表现镜头运动、人物位置关系等,有点像动态故事版。


Rendering 渲染

3D模型生成照片般逼真的高分辨率图像的计算过程。


Rotoscope 抠像

指定元素从画面中抠出来,用于其他元素等合成。


Simulation 解算

软件通过算法来模拟自然界的水、火、烟、群集等元素的计算过程


Compositing 合成

将最终渲染出的各元素合并在一起创建出最终镜头,是视效制作公司的最后环节。


Green screen 绿幕

也叫做色键,或者蓝幕,用于后期扣像后合成数字环境。


Groom 毛发

数字角色的头发或者毛发。


Look Dev 视觉开发

CG资产数字效果开发和细化。


Maquette 参考道具

视效电影拍摄时为演员提供的虚拟角色参考位置的道具。


Blocking pass

动画制作过程的一个环节,使用粗糙简单的资产用于快速进行关键位置动作的摆放。


66f8361be7bd77988a63e0ed116b0ececc292f41

图1:在绿幕前拍摄演员和道具,最终绿幕会被替换成数字场景。

5813edea5672dfe9340aae3a5b27cc1c9f2c6f70

图2:现场虚拟角色参考道具,给演员一个位置参考,并且给后期制作人员动作参考。

Matchmoving 跟踪匹配

反求摄像机运动,将数字元素匹配到原始序列上。


Maya

Autodesk公司开发的行业标准三维软件。


Nuke

基于节点的合成软件,用于将各元素合成为最终画面。


Performance capture 动作捕捉

使用光捕或者惯性动捕设备,捕捉演员的动作,并驱动数字角色。


Footage 序列

现场拍摄的原始序列,或者渲染生成的图片序列。


TD 技术支持

后期制作公司开发和维护公司内部制作和流程工具的技术人员,或在某环节有丰富经验能够优化制作方案提升制作效率的技术人员。


Pipeline 流程管理

管理上下游制作数据、版本、进度管理、信息同步等。


44623b8e77ff514e9db9ef4efe354b35b4cc3502

图3:面部表情捕捉+动作捕捉

Plate 素材

现场原始拍摄的,未经任何改动的素材。


Previz 预演

通过简单粗糙的动画快速表现镜头运动、人物位置关系等,有点像动态故事版。


Rendering 渲染

从3D模型生成照片般逼真的高分辨率图像的计算过程。


Rotoscope 抠像

将指定元素从画面中抠出来,用于其他元素等合成。


Simulation 解算

软件通过算法来模拟自然界的水、火、烟、群集等元素的计算过程。



目录
相关文章
|
3月前
|
数据采集 运维 监控
金融行业RPA案例全解析:银行、证券、保险落地实践与价值数据
凌晨两点,银行、证券、保险、基金从业者仍在与数据搏斗。RPA“数字员工”正颠覆这一现状,通过自动化处理开户、清算、理赔、净值计算等高重复任务,大幅提升效率与合规性。实在智能的实在Agent以AI能力破解非结构化数据难题,助力金融行业实现从“人海战术”到“智能协同”的跨越,释放人力聚焦高价值服务,推动数字化转型迈向新阶段。
457 1
|
域名解析 存储 Java
一步步教你搭建自己的云服务器
一步步教你搭建自己的云服务器
|
4月前
|
人工智能 自然语言处理 架构师
智能体来了:黎跃春老师视角下,IP操盘手的AI企业赋能实践
黎跃春老师提出“技术是1,营销是0”,强调AI赋能企业需重构人、流程与数据关系。依托阿里云百炼平台,IP操盘手可打造“工具提效、人创价值”的智能体,实现从流量运营到企业服务的升级。
|
11月前
|
运维 测试技术
当一个按键“摆烂”时,需要更换整个键盘吗?
键盘按键失灵时,别急着更换整个键盘!本文教你通过三步解决:诊断病因、对症下药、预防复发。首先进行“键盘体检”,包括跨设备验证、软件驱动测试、BIOS检测及硬件检查,找出是污垢、物理损坏还是电路故障。接着针对问题提供治疗方案,如更新驱动、清洁键槽或更换零件。最后提醒大家优先排查软件问题,温柔清洁,理性对待物理损坏,并建议选购可维护性强的键盘。记住,善待键盘,远离零食屑,让输入更顺畅!
633 3
|
机器学习/深度学习 人工智能 算法
【昆虫识别系统】图像识别Python+卷积神经网络算法+人工智能+深度学习+机器学习+TensorFlow+ResNet50
昆虫识别系统,使用Python作为主要开发语言。通过TensorFlow搭建ResNet50卷积神经网络算法(CNN)模型。通过对10种常见的昆虫图片数据集('蜜蜂', '甲虫', '蝴蝶', '蝉', '蜻蜓', '蚱蜢', '蛾', '蝎子', '蜗牛', '蜘蛛')进行训练,得到一个识别精度较高的H5格式模型文件,然后使用Django搭建Web网页端可视化操作界面,实现用户上传一张昆虫图片识别其名称。
1053 7
【昆虫识别系统】图像识别Python+卷积神经网络算法+人工智能+深度学习+机器学习+TensorFlow+ResNet50
|
IDE Java 编译器
07. 【Java教程】Java 集成开发环境 - IntelliJ IDEA
07. 【Java教程】Java 集成开发环境 - IntelliJ IDEA
433 1
|
存储 容灾 API
OpenStack的块存储卷管理附着与分离
【8月更文挑战第27天】
458 2
|
Linux
linux恢复数据
在Linux中恢复丢失数据的方法包括使用Undelete或Extundelete工具、恢复损坏的Super Block和Inode、处理LVM逻辑卷问题,以及使用专门的数据恢复软件。当文件被删除或文件系统受损时,可尝试上述方法。确保在操作前备份数据,若不熟悉过程,建议寻求专业帮助。[了解更多](https://linux.ciilii.com/show/news-216.html)
1122 3
|
机器学习/深度学习 并行计算 TensorFlow
TensorFlow与GPU加速:提升深度学习性能
【4月更文挑战第17天】本文介绍了TensorFlow如何利用GPU加速深度学习, GPU的并行处理能力适合处理深度学习中的矩阵运算,显著提升性能。TensorFlow通过CUDA和cuDNN库支持GPU,启用GPU只需简单代码。GPU加速能减少训练时间,使训练更大、更复杂的模型成为可能,但也需注意成本、内存限制和编程复杂性。随着技术发展,GPU将继续在深度学习中发挥关键作用,而更高效的硬件解决方案也将备受期待。
动态规划的时间复杂度优化
动态规划的时间复杂度优化

热门文章

最新文章