#真實靈魂本色演出系列
#愛麗絲夢遊仙境的真人版小愛
-
今天介紹的凱瑟琳·博蒙特(Kathryn Beaumont),是1950年代曾參與迪士尼經典動畫長片的知名童星之一。
她在試鏡時,變因富有金黃色的秀髮和大眼睛,而令華特·迪士尼(Walt Disney)留下非常深刻的印象
因此她當時以13歲的超齡年紀擔當《愛麗絲夢遊仙境》主角愛麗絲的配音員之外,也曾在《小飛俠》負責溫蒂·達林的配音。(#而且說話還超可愛
-
早期的迪士尼動畫並不是以全然想像的形式完成動畫的,
而是以要求品質精緻,擁有嚴謹流程的全動畫技術為主體開發動畫,但缺點是在製作時非常耗時耗力。
為了降低生產成本,因此從最早的長片《白雪公主》開始,便開始以轉描機技術(Rotoscoping)請人演出動作,在拍攝完畢後再利用拍攝素材的每幀轉描,在此基礎上重新描摹成動畫。
自1950年《仙履奇緣》全以轉描機技術製作成功後,此流程便成了當時迪士尼製作動畫的一大輔佐,直到後續十幾年後才漸漸不再以此手法描摹。
-
至於在「請人演出動作」的部分,當然就是在實景效果下聘請真人模特兒演出。
因此為了能主角神態和動作盡可能的貼近真實,同時也能戲劇性的手法呈現畫面的趣味。
因此像是凱瑟琳或是其他的主要演員,必須要在鏡頭的面前以分鏡腳本為基礎。
在棚內搭建實景的舞台上將整部電影以「本色出演」的形式演繹,
以作為動畫師的參考依據,最終在研究鏡頭的運鏡,並測試剪輯,連續性,調整人物概念形像,及角色之間互動的細節之後。
最終在經過無數繁雜的工序下,
才終於從眾動畫師的筆下幻化出完整的動畫片段,並在大螢幕上為觀眾帶來驚奇的視覺體驗。
隨然隨著近年來數位技術的取代下,使傳統動畫技術漸漸走入歷史。
但是若回頭望向過去這些原畫師所帶來的超熱血藝術
也還是絲毫不過時,更依然令人感到嘆為觀止嗚嗚嗚嗚嗚嗚嗚
#每一幀真的都是滿滿的經費
#若對此介紹有錯誤資訊也請協助糾正抱歉嗚嗚嗚
#留言收凱瑟琳的超強演出影片及其他參考資料
同時也有1部Youtube影片,追蹤數超過2萬的網紅廖人帥,也在其Youtube影片中提到,張韶涵-因我而起MV! 導演版花絮,劇本概念與幕後直擊登場!!! 希望大家共同努力,能慢慢把影像創作者的創作空間與框架,越打越開, 如果你們認同這份理念, 請幫我們分享這作品,希望透過你們的分享, 讓更多人看見我們努力的成果, 感謝你 ----關於這次創作---- 從2019年8月底開始,進入了...
傳統動畫製作流程 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
軟體吞噬硬體的 AI 時代,晶片跟不上演算法的進化要怎麼辦?
作者 品玩 | 發布日期 2021 年 02 月 23 日 8:00 |
身為 AI 時代的幕後英雄,晶片業正經歷漸進持續的變化。
2008 年之後,深度學習演算法逐漸興起,各種神經網絡滲透到手機、App 和物聯網。同時摩爾定律卻逐漸放緩。摩爾定律雖然叫定律,但不是物理定律或自然定律,而是半導體業發展的觀察或預測,內容為:單晶片整合度(積體電路中晶體管的密度)每 2 年(也有 18 個月之說)翻倍,帶來性能每 2 年提高 1 倍。
保證摩爾定律的前提,是晶片製程進步。經常能在新聞看到的 28 奈米、14 奈米、7 奈米、5 奈米,指的就是製程,數字越小製程越先進。隨著製程的演進,特別進入10 奈米後,逐漸逼近物理極限,難度越發增加,晶片全流程設計成本大幅增加,每代較上一代至少增加 30%~50%。
這就導致 AI 對算力需求的增長速度,遠超過通用處理器算力的增長速度。據 OpenAI 測算,從 2012 年開始,全球 AI 所用的演算量呈現等比級數增長,平均每 3.4 個月便會翻 1 倍,通用處理器算力每 18 個月至 2 年才翻 1 倍。
當通用處理器算力跟不上 AI 演算法發展,針對 AI 演算的專用處理器便誕生了,也就是常說的「AI 晶片」。目前 AI 晶片的技術內涵豐富,從架構創新到先進封裝,再到模擬大腦,都影響 AI 晶片走向。這些變化的背後,都有共同主題:以更低功耗,產生更高性能。
更靈活
2017 年圖靈獎頒給電腦架構兩位先驅 David Petterson 和 John Hennessy。2018 年圖靈獎演講時,他們聚焦於架構創新主題,指出演算體系結構正迎來新的黃金 10 年。正如他們所判斷,AI 晶片不斷出現新架構,比如英國 Graphcore 的 IPU──迥異於 CPU 和 GPU 的 AI 專用智慧處理器,已逐漸被業界認可,並 Graphcore 也獲得微軟和三星的戰略投資支援。
名為 CGRA 的架構在學界和工業界正受到越來越多關注。CGRA 全稱 Coarse Grained Reconfigurable Array(粗顆粒可重構陣列),是「可重構計算」理念的落地產物。
據《可重構計算:軟體可定義的計算引擎》一文介紹,理念最早出現在 1960 年代,由加州大學洛杉磯分校的 Estrin 提出。由於太過超前時代,直到 40 年後才獲得系統性研究。加州大學柏克萊分校的 DeHon 等將可重構計算定義為具以下特徵的體系結構:製造後晶片功能仍可客製,形成加速特定任務的硬體功能;演算功能的實現,主要依靠任務到晶片的空間映射。
簡言之,可重構晶片強調靈活性,製造後仍可透過程式語言調整,適應新演算法。形成高度對比的是 ASIC(application-specific integrated circuit,專用積體電路)。ASIC 晶片雖然性能高,卻缺乏靈活性,往往是針對單一應用或演算法設計,難以相容新演算法。
2017 年,美國國防部高級研究計劃局(Defence Advanced Research Projects Agency,DARPA)提出電子產業復興計劃(Electronics Resurgence Initiative,ERI),任務之一就是「軟體定義晶片」,打造接近 ASIC 性能、同時不犧牲靈活性。
照重構時的顆粒分別,可重構晶片可分為 CGRA 和 FPGA(field-programmable gate array,現場可程式語言邏輯門陣列)。FPGA 在業界有一定規模應用,如微軟將 FPGA 晶片帶入大型資料中心,用於加速 Bing 搜索引擎,驗證 FPGA 靈活性和演算法可更新性。但 FPGA 有局限性,不僅性能和 ASIC 有較大差距,且重程式語言門檻比較高。
CGRA 由於實現原理差異,比 FPGA 能做到更底層程式的重新設計,面積效率、能量效率和重構時間都更有優勢。可說 CGRA 同時整合通用處理器的靈活性和 ASIC 的高性能。
隨著 AI 演算逐漸從雲端下放到邊緣端和 IoT 設備,不僅演算法多樣性日益增強,晶片更零碎化,且保證低功耗的同時,也要求高性能。在這種場景下,高能效高靈活性的 CGRA 大有用武之地。
由於結構不統一、程式語言和編譯工具不成熟、易用性不夠友善,CGRA 未被業界廣泛使用,但已可看到一些嘗試。早在 2016 年,英特爾便將 CGRA 納入 Xeon 處理器。三星也曾嘗試將 CGRA 整合到 8K 電視和 Exynos 晶片。
中國清微智慧 2019 年 6 月量產全球首款 CGRA 語音晶片 TX210,同年 9 月又發表全球首款 CGRA 多模態晶片 TX510。這家公司脫胎於清華大學魏少軍教授起頭的可重構計算研究團隊,從 2006 年起就進行相關研究。據芯東西 2020 年 11 月報導,語音晶片 TX210 已出貨數百萬顆,多模組晶片 TX510 在 11 月也出貨 10 萬顆以上,主要客戶為智慧門鎖、安防和臉部支付相關廠商。
先進封裝上位
如開篇提到,由於製程逼近物理極限,摩爾定律逐漸放緩。同時 AI 演算法的進步,對算力需求增長迅猛,逼迫晶片業在先進製程之外探索新方向,之一便是先進封裝。
「在大數據和認知計算時代,先進封裝技術正在發揮比以往更大的作用。AI 發展對高效能、高吞吐量互連的需求,正透過先進封裝技術加速發展來滿足。 」世界第三大晶圓代工廠格羅方德平台首席技術專家 John Pellerin 聲明表示。
先進封裝是相對於傳統封裝的技術。封裝是晶片製造的最後一步:將製作好的晶片器件放入外殼,並與外界器件相連。傳統封裝的封裝效率低,有很大改良空間,而先進封裝技術致力提高整合密度。
先進封裝有很多技術分支,其中 Chiplet(小晶片/芯粒)是最近 2 年的大熱門。所謂「小晶片」,是相對傳統晶片製造方法而言。傳統晶片製造方法,是在同一塊矽晶片上,用同一種製程打造晶片。Chiplet 是將一塊完整晶片的複雜功能分解,儲存、計算和訊號處理等功能模組化成裸晶片(Die)。這些裸晶片可用不同製程製造,甚至可是不同公司提供。透過連接介面相接後,就形成一個 Chiplet 晶片網路。
據壁仞科技研究院唐杉分析,Chiplet 歷史更久且更準確的技術詞彙應該是異構整合(Heterogeneous Integration)。總體來說,此技術趨勢較清晰明確,且第一階段 Chiplet 形態技術較成熟,除了成本較高,很多高端晶片已經在用。
如 HBM 儲存器成為 Chiplet 技術早期成功應用的典型代表。AMD 在 Zen2 架構晶片使用 Chiplet 思路,CPU 用的是 7 奈米製程,I/O 使用 14 奈米製程,與完全由 7 奈米打造的晶片相比成本約低 50%。英特爾也推出基於 Chiplet 技術的 Agilex FPGA 系列產品。
不過,Chiplet 技術仍面臨諸多挑戰,最重要之一是互連介面標準。互連介面重要嗎?如果是在大公司內部,比如英特爾或 AMD,有專用協議和封閉系統,在不同裸晶片間連接問題不大。但不同公司和系統互連,同時保證高頻寬、低延遲和每比特低功耗,互連介面就非常重要了。
2017 年,DARPA 推出 CHIPS 戰略計劃(通用異構整合和 IP 重用戰略),試圖打造開放連接協議。但 DARPA 的缺點是,側重國防相關計畫,晶片數量不大,與真正商用場景有差距。因此一些晶片業公司成立組織「ODSA(開放領域特定架構)工作組」,透過制定開放的互連介面,為 Chiplet 的發展掃清障礙。
另闢蹊徑
除了在現有框架內做架構和製造創新,還有研究人員試圖跳出電腦現行的范紐曼型架構,開發真正模擬人腦的計算模式。
范紐曼架構,數據計算和儲存分開進行。RAM 存取速度往往嚴重落後處理器的計算速度,造成「記憶體牆」問題。且傳統電腦需要透過總線,連續在處理器和儲存器之間更新,導致晶片大部分功耗都消耗於讀寫數據,不是算術邏輯單元,又衍生出「功耗牆」問題。人腦則沒有「記憶體牆」和「功耗牆」問題,處理訊息和儲存一體,計算和記憶可同時進行。
另一方面,推動 AI 發展的深度神經網路,雖然名稱有「神經網路」四字,但實際上跟人腦神經網路運作機制相差甚遠。1,000 億個神經元,透過 100 萬億個神經突觸連接,使人腦能以非常低功耗(約 20 瓦)同步記憶、演算、推理和計算。相比之下,目前的深度神經網路,不僅需大規模資料訓練,運行時還要消耗極大能量。
因此如何讓 AI 像人腦一樣工作,一直是學界和業界積極探索的課題。1980 年代後期,加州理工學院教授卡弗·米德(Carver Mead)提出神經形態工程學的概念。經過多年發展,業界和學界對神經形態晶片的摸索逐漸成形。
軟體方面,稱為第三代人工神經網路的「脈衝神經網路」(Spike Neural Network,SNN)應運而生。這種網路以脈衝信號為載體,更接近人腦的運作方式。硬體方面,大型機構和公司研發相應的脈衝神經網路處理器。
早在 2008 年,DARPA 就發起計畫──神經形態自適應塑膠可擴展電子系統(Systems of Neuromorphic Adaptive Plastic Scalable Electronics,簡稱 SyNAPSE,正好是「突觸」之意),希望開發出低功耗的電子神經形態電腦。
IBM Research 成為 SyNAPSE 計畫的合作方之一。2014 年發表論文展示最新成果──TrueNorth。這個類腦計算晶片擁有 100 萬個神經元,能以每秒 30 幀的速度輸入 400×240pixel 的影片,功耗僅 63 毫瓦,比范紐曼架構電腦有質的飛躍。
英特爾 2017 年展示名為 Loihi 的神經形態晶片,包含超過 20 億個晶體管、13 萬個人工神經元和 1.3 億個突觸,比一般訓練系統所需的通用計算效率高 1 千倍。2020 年 3 月,研究人員甚至在 Loihi 做到嗅覺辨識。這成果可應用於診斷疾病、檢測武器和爆炸物及立即發現麻醉劑、煙霧和一氧化碳氣味等場景。
中國清華大學類腦計算研究中心的施路平教授團隊,開發針對人工通用智慧的「天機」晶片,同時支持脈衝神經網路和深度神經網路。2019 年 8 月 1 日,天機成為中國第一款登上《Nature》雜誌封面的晶片。
儘管已有零星研究成果,但總體來說,脈衝神經網路和處理器仍是研究領域的方向之一,沒有在業界大規模應用,主要是因為基礎演算法還沒有關鍵性突破,達不到業界標準,且成本較高。
附圖:▲ 不同製程節點的晶片設計製造成本。(Source:ICBank)
▲ 可重構計算架構與現有主流計算架構在能量效率和靈活性對比。(Source:中國科學)
▲ 異構整合成示意動畫。(Source:IC 智庫)
▲ 通用處理器的典型操作耗能。(Source:中國科學)
資料來源:https://technews.tw/2021/02/23/what-to-do-if-the-chip-cannot-keep-up-with-the-evolution-of-the-algorithm/?fbclid=IwAR0Z-nVQb96jnhAFWuGGXNyUMt2sdgmyum8VVp8eD_aDOYrn2qCr7nxxn6I
傳統動畫製作流程 在 胡言亂語股票討論區 Facebook 的最佳解答
當虛擬偶像不再只是像初音般的3D動畫人偶,而是以讓人們肉眼難以辨識的擬真人像出現時,這些AI人偶唱歌、跳舞、演戲樣樣行,沒有脾氣,不會罷工,又可以滿足各種粉絲的各種需求。如此一來,或許未來以真人為主題的經紀公司,都將改推虛擬偶像問世,甚至直接橫空出世就是以虛擬偶像為主打的公司進行搶市,屆時比的不再是訓練有多紮實,而是技術有多高超。
#別說不可能
#畢竟我們已經見證了太多以前認為的不可能
傳統動畫製作流程 在 廖人帥 Youtube 的精選貼文
張韶涵-因我而起MV! 導演版花絮,劇本概念與幕後直擊登場!!!
希望大家共同努力,能慢慢把影像創作者的創作空間與框架,越打越開, 如果你們認同這份理念, 請幫我們分享這作品,希望透過你們的分享, 讓更多人看見我們努力的成果, 感謝你
----關於這次創作----
從2019年8月底開始,進入了我個人MV職業生涯裡,最痛苦的三個月。我沒有其他的形容詞,可以比"痛苦"二字更精確,而且我如果用太潤飾的字眼形容那三個月製作期,就太蔑視跟我一起在這地獄裡三個月的工作夥伴了。
是的,就是痛苦。
最早是在FB不知道看見誰分享"平潭映象(Pingtan Impression)"這部舞台劇的片段,當時完全不知道這作品是來自哪裡,只覺得震撼,畫面好美,好酷,好高級, 非常國際...做了很多功課後,才發現這是來自國際舞蹈大師-楊麗萍的作品-平潭映象, 後來張韶涵把她的新歌給到我, 我的第一直覺就是想找"平潭映象"來個三方合作, (因為我始終認為,若商業能與藝術完美結合,是件很酷的事), 我想做1加1加1,看能不能大於3的事。於是,我懷疑根本就有在調查局接案的另一個導演王守婕,交叉比對新聞資料與微博發文各類線索後,終於找到了楊麗萍老師的經紀人email郵箱與電話,我們就這樣打開潘朵拉的盒子。
突如其來跳脫傳統的合作邀約, 楊麗萍老師團隊也沒有過MV合作的案例,雙方必須就許多細節,例如執行辦法,改編腳本,角色呈現,做很精確的溝通,也基於尊重與保護楊麗萍老師團隊的服裝道具完好,這次動用了兩岸三地一共三方律師,才完成所有的溝通協議流程。
我們其實花了三分之二的時間在處理這些事,我一心滿腦子,導演心態就是想快點借到所有服裝道具,早些開始進行內容的優化,恐怖的是我們必須在台北找一批新的舞者或演員,全部重新訓練。所以合約必要流程與細節,每一次修改合約與協調都讓我很焦慮,眼看時間一點一滴越來越不夠,很多次我們都覺得,明明已經朝一個方向瘋狂奔跑好久了,睡一覺醒來,卻發現自己在原地。
這三個月,我跟 王守婕 、李小格 三人,過著每天提心吊膽等待一來一往微信群組訊息的日子,很怕有個萬一就無法合作那該怎麼辦??
但當楊麗萍老師的服裝團隊抵達台北後,實際親眼看見平潭映象團隊的製作物,我們其實就馬上體認到人家做事是非常要求且注重細節的,高規格高水準的東西的產出,可能就是得要每一個工種都經歷一個跟產婦陣痛一樣,哭天搶地的過程。
這三個月裡,我大概說了一千次,我再也不要幹這種吃力不討好的事,因為我們大多的努力與成本,不見得會直接反應在實際MV視覺上。我們心目中真正想要拍到的東西,大概需要兩倍以上的排練時間,兩倍以上的人力,兩倍以上的拍攝時間。但是,我.們.就.是.沒.有!!! 硬幹也得把它幹完。
幹完了,你如果問我有機會的話,還要不要再一次?
我跟你說: 絕對要!!! ,因為跟世界級國寶級的合作方一起工作,就是他媽的很爽,就是他媽的會進步。後來我覺得其實好萊塢屌是應該且天經地義的,他們有錢,有天時,有地利,有人和,在那樣的條件下把事情辦好,真的是應該的。
我們有很多次機會,真的可以放棄,而且是有著鋪著紅地毯的台階讓我們下,可以昂首闊步不丟臉的走下來。直白地跟你們分享我這次的壓力吧, 若這MV搞砸我有可能需要賠償近千萬, 若搞定呢? 我的利潤只有十幾萬(台幣)……這是場豪賭, 贏面極小, 輸了我就變窮光蛋, 贏了我也不會大富大貴, 但為了我的理想與夢想, 我賭! 我相信任何有一點風險管理知識,或是懂得計算成本利潤的人,絕對會勸我們放棄。
可是我們偏偏就是永遠的死小孩,有台階也不下來。我們沒有天時,我們沒有地利,至於人和,其實就看我們自己了。那就衝撞一個吧,看看能不能撞出點對得起這些痛苦的東西。
希臘神話裡,潘朵拉的盒子,裡面裝著各種不幸的東西,宙斯說這盒子不能打開,我們就是那群偏偏就是會好奇打開來看看的人,我們就甘願經歷盒子裡飛出的災難動盪,也要看看最後到底是不是真的有希望。
而這次MV它有它的使命, @张韶涵 貴為天后,有的是龐大支持者與廣度;舞蹈藝術家 @杨丽萍 作品-平潭映象有的是藝術高度與深度; 而我就在裡面當橋樑,把一切串連起來,讓娛樂有藝術,讓廣度有高度,我想要的是三贏,我想要的是透過大眾娛樂將藝術散播開來,一次、兩次、十次、百次⋯久而久之,那就是所謂的文化與經典的建立了。
希望這不只是MV,更是個藝術品。也謝謝幫助我成就這一切的朋友們。
---沒有他們,沒有這次創造----
導演/Director: 廖人帥 Outerspace@ LEO & 王守婕 Shou Jie Wang
攝影指導/ Director of photography:遊凱迪 Kedy Yu
製片/Producer: 林阿蜓 LIN CHIEN CHENG
執行製片/Line Producer:高銘均 KAO MING CHUN
美術指導/Art Director: 林仲賢 Parker Lin
執行美術/Art Assistant :費筱雲 FEI HSIAO YUN
造型指導/Costume Designer: 李小格 李懿格 YIKO LEE 木子小格造型
攝大助/ 1st AC:楊家哲 YANG CHIA CHE
攝大助/ 1st AC:謝明倢 HSIEH MING CHIEH
燈光指導/ Gaffer: 宋明哲 SUNG, MING CHE
燈大助/Best Boy:吳振榮 WU JHEN RONG
燈光助理/Lighting Crew:邱麒叡 QIU QI RUI ,王雋元 WANG JUAN JUN YUAN ,
陳冠宇 CHEN GUAN YU ,紀朝元 JI ZHAO CHAO YUAN ,吳芳源 WU FANG YUAN ,
陳禹光 CHEN YU GUANG ,許富嘉 HU XU FU JIA ,劉麗仁 LIU LI REN ,
李恆儀 LI HENG YI ,王鐵人 WANG TIE REN
場務/Set Coordinator:張家瑋 JHANG JIA WE ,程鎮嶽 CHENG CHEN YUEH ,
陳錫銓 CHEN HIS CHUAN ,江裕禧 Louis Chiang ,林龍輝 Bryan , 林韋廷 Tim
韓子翔 HAN ZIXIANG ,唐偉誠 TANG WEI CHENG ,廖志承 LIAO ZHI CHENG
片廠/Studio: 鴻臣影視製片廠 Hong Chen Film Studio
攝影器材/Camera Equipment: 新彩廣告事業有限公司 HSIN TSAIR CO. LTD.
攝二助/ 2nd AC:楊景廷 YANG JING TING ,李育霖 LEE YU LIN ,傅捷 FU JIE ,
張庭瑜 CHANG TING YU ,曾宏楷 TSENG HUNK KAI ,蔡孟哲 TSAI MENG CHE ,
吳丞傑 WU CHENG JIE ,羅冠鈞 Luo Guan Jun ,
攝影輔助器材/GRIP: 力榮影業 LEE RONG FILM & EQUIPMENT CO.
輔助器材攝影師/JIMMY JIB CAMERAMAN: 張益誠 Chang Yi-Cheng
輔助器材RONIN 2領班/ RONIN 2 OPERATOR: 黃永鑫 Huang Yong-Xin
輔助器材操作助理/OPERATOR ASSISTANT: 王朝祥 Wang Chao-Hsiang
特效組/Special Effects Supervisor:陳銘澤 CHEN, MING ZE
剪接師 Editor
廖人帥 OUTERSPACE LEO
白欣田 Cordelia Pai
調光室 Color Grading
TimeLine Studio 時間軸
調光師 Colorist
姚良奇 Liang Chi Yao
專案管理 Post-production PM
陳映芳 Ying Fang Chen
賞霖創藝 i-two
動畫導演 Animation Director
王聖夫 Peter Wang
VFX 劉大煒 Davy Liu, 曾筱涵 Hsiao Han Tseng
花絮製作 behind the scenes
時刻影像 Time Story Studio
劉尹全 (Liu Yin Chuan)
廖思源 Sam Liao
行政統籌 On-Site Management /周見宇 Chou, Chien Yu
演出人員統籌 Casting Associate/王正怡 Wang,Cheng Yi
舞者 Dancer/Stunt : 李尉司Lee,Wei Szu 陳加惠Chen, Jia Huei 廖育槿 Liao,Yu Chin 黃昶皓Huang,Chang Hao 蔡雅如Tsai,Ya Ju 潘俊誠Pan, Chun Cheng 廖唯良Lia,Wei Liang 高敏芝Gau, Min Zu 王元澤Wang,Yuan-Tse 胡育政 Hu, Yu-Cheng 李英如Lee,Ying-Ju 林棋清 Lin,Chi-Ching 林維哲 Lin,Wei-Che 曾郁文 Tseng,Yu-Wen 汪書瑞 Wang, Shu-jui 陳原禾 Chen, Yuan-Ho 郭靜婷 Kuo,Ching Ting 謝昂廷Hsieh, Ang-Ting 宮銘祥 Kung, Ming Hsaing
平潭映象-Pingtan Impression
服裝指導/楊小兵
Designer Director/ THAAD
服裝指導/吳林桂
Designer Director /WU LINGUI
舞臺總監/丁世樂
Stage Manager /DING SHILE
特別感謝/ Special Thanks
楊麗萍 / 平潭映象 / 王炎武
傳統動畫製作流程 在 J-Hee 的獨立動畫製作流程分享 - YouTube 的推薦與評價
... <看更多>