我站在台上,找到观众里的“扎眼”的人——粗鲁无礼的、衣服上有logo的、特别高的观众。虽然这么做很令人讨厌,但我不得不叫比较高的观众坐到后排去,有时候要注意前排秃头的油光锃亮的脑瓜。
当数字技术刚开始试图与胶片竞争时,那是电影制作的“黑暗时代”,动态范围不够,而且有着难看的过度曝光的色彩。直到现在我们仍然在试图模仿出类似胶片般柔和的对比曲线。
模特们在一个空荡荡的房间里,只穿内衣,在开放的灯光下显得暴露且脆弱。因为到处都是“米色”,对我来说,如何把肤色分离出来,赋予图像立体感是个不小的挑战。
由于观众分散在一个很开阔的区域,我选用了一种“分区”法,用多个立体声对采集观众。
罗里的第一个专场,我们用的是几台Blackmagic Pocket Cinema Camera搭配70年代的16mm老镜头,稍微冲淡一些数字影像的调调。
调色师不仅要有敏锐的眼睛,还要有敏锐的耳朵。能够用意想不到的方式解决客户从来没有意识到的问题。
给喜剧专场录音不仅要采集喜剧演员的表演,还要干净地采集到满屋子观众的反应。这种挑战是你在多数拍摄项目中都见不到的。
录制相关环节我都在现场,但我不会指手画脚,我明白“厨子太多烧坏汤”的道理,太多人参与进来通常会抹杀创意。
前景是相对于背景的构图概念,“foreground”常见缩写为“FG”。在影视制作当中,前景是指最靠近摄影机/观众视角的一切动作或物体,是画面空间深度的一个位面层次。
更多精选视频、专业课程、高质量素材,欢迎前往www.gaiamount.com
调色师的角色是协助提升图像,通过理解DP的构想成为DP的“左膀右臂”,并确保观众看到的节目或电影效果符合DP的预期。调色师有责任传达DP的创作意图。当然,我们也会提供创意投入和技术知识来执行好这个过程。
Rory Scovel的Netflix专场幕后制作团队告诉你将单口喜剧从剧场舞台搬上屏幕都需要些什么。
更多精选视频、专业课程、高质量素材,欢迎前往www.gaiamount.com
我们正在经历一种技术上的“回退”趋势,LED面板正在取代绿幕。这种LED虚拟制作的技术概念其实在早期电影中也有被使用。
为访谈调色的基础技巧就是首先把人的肤色调对。亚洲人是偏黄的底色调,白种人是偏粉的底色调,并且还有许多不同的深浅程度。
影片是用RED Epic拍的,为了让色彩接近胶片的色调和亮度,我模仿了柯达胶片。另外在调色初期,我还“模拟”了柯达Vision3 250D胶片,用的是柯达官网上提供的信息表创建的曲线。
在我们这个联系日益紧密的世界里,色彩是否具有跨越不同文化的普遍意义?如何解决播放环节色彩空间较小的局限性?软件工具在过去十年左右的时间里取得了多大的进步?更重要的是,我们能否在阐释“色彩”一词的涵义上达成一致?
更多精选视频、专业课程、高质量素材,欢迎前往www.gaiamount.com
生活与工作的平衡将永远是一大挑战。我真的很热爱我的工作,但缺点就是,我几乎无法庆祝亲友的生日以及别的重要事件了。
更多精选视频、专业课程、高质量素材,欢迎前往www.gaiamount.com
每集1小时的真人秀电视节目——13个场景,13位参赛者访谈,超过一千个镜头,使用各种不同摄影机,跨多地日夜拍摄。还有什么比这更有挑战性!
虽然每年都有黑白电影发行,但我认为几十年来最有影响力的一部,会是明年七月诺兰的《奥本海默》(Oppenheimer),这将是首部采用IMAX 65mm黑白胶片拍摄的电影。
我不建议初学者把YouTube作为学习工具。那上面有很多错误信息,对新人来说真的很难辨别。软件的话,推荐达芬奇,在我看来它比其他所有软件都好得多,而且还提供一个免费的精简版。
传统上,影片长度按照胶片的帧数和英尺(feet)来计算。当时在剪辑室中需要测量胶片的长度,一英尺(one foot)的四齿孔35mm胶片有16帧,约1秒放映时间。
我们用了三个Thunderbay 6阵列来一式三份备份所有数据。它们都是以RAID 5配置的,允许一些冗余:如果硬盘在这套阵列内出现故障,不会造成任何数据丢失。此外,一套阵列中用6块硬盘确保我们有足够的带宽快速装载媒体,对高帧率拍摄场景很有帮助。
本文中,洛杉矶后期制作组织(LAPPG)成员与数字影像工程师Simon Hayes坐下来聊了聊DIT的职责角色,并与我们分享他最近在剧情长片《和平树》中的一些工作细节。
哈希函数创建的值便称为“哈希值”。一个好的哈希函数满足两个基本属性:1. 它的计算速度应非常快;2. 它应尽量减少输出值的重复(冲突)”。
当你在传输或复制文件后计算校验和,你可以通过比较此时的校验和与之前源卷上算出的校验和,以非常高的概率确保其内容一致性。如果两个校验和不相等,则可以肯定文件内容出现了变更。
更多精选视频、专业课程、高质量素材,欢迎前往www.gaiamount.com
片场数据管理最重要的目标之一是维护所有数据的完整性(integrity)和完全性(completeness)。这是你作为DIT或数据管理员的责任,本文将着重介绍 数据完整性究竟意味着什么,可能威胁数据完整性的潜在问题有哪些,以及校验和和哈希值算法如何协助保护数据完整性。