Jpg还有Tiff图片格式中没有深度通道，也不能单独存储深度到深度通道，如果只有jpg或者tif格式的深度图序列，可以在Nuke中通过Nuke最核心的节点：Shuffle，将RGB通道中的数据转换到 Depth通道即可。这里推荐篇非常全面阐述通道概念的案例文章：

【数字图形理论】理解通道和层的概念 【Nuke通道Shuffle详解】

jpg或者Tif的深度数据是存储在 RGB通道中的，Exr中的深度数据是存储在 Depth通道中的，这相当于把数据存在U盘或者硬盘而已，通过shuffle都可以互转。

自打Nuke12开始，Shuffle节点变成了节点连接式，非常好用，这里也把使用技术列出来了，可以学习下：

【Nuke 通道】Nuke12最新的 Shuffle 通道节点用法详解

10、 在Logic中编辑音符力度（Velocity）的七个技巧

1、Velocity processor（Midi压缩控制器）：在轨道设置的Midi FX 上添加压缩器形式的velocity控制器，操作和音频压缩器一致，可以对力度超过门限的音符批量重新调整力度。

2、Velocity Ramp（绘制坡度形力度）： 在midi编辑器中打开自动化曲线编辑器，在Velociy自动化z中可以直接划线，力度将按照划线排列。

3、Velocity tool（力度工具）：从工具菜单中选择Velocity Tool可以直接对音符力度进行调整。

4、Velocity Comperasion （力度压缩）：全选音符，在idi编辑器的曲线编辑器中上下拖拉，可以对力度进行压…[查看更多]

使用Quick Sample为音频或者midi创建Random（随机化）音色效果

1、将鼓组或者乐器生成为音频轨道，并开启自动对齐功能。

2、将音频拖到空白轨道位置，选择 quick sample 或者 Drum design 可以进行重新采样。

3、在Quick Sample中可以在片段中右键，选择：复制 Midi Pattern

在Logic 中使用一个Kontakt 加载多个乐器的方法详解我们一般的使用习惯是新建立一个轨道，加载一个乐器，这样操作在轨道少的时候并没有异常，当轨道数量多的时候，会造成电脑卡顿、过载等情况出现，使得音乐制作过程中断、或者各种情况，影响了正常生产创作。
解决方法：建立一个轨道，加载一个Kontakt，在Kontakt中加载多个乐器，对应到Logic或者/Cubase的多个轨道，这样仅调用一次Kontakt，不管多少轨道乐器都只占用一个线程的资源，大大节约了CPU、内存资源，让创作更加顺畅。以下是在logic中的操作方法：

同一个农场支持Nuke、MAya同时渲染，也可以分开渲染，一般没有必要使用两个农场。提交任务的时候设置下每个任务用哪几台机子即可。你的截图里是监控器，可以对已经提交的任务进行修改，但不能直接提交任务，需要在提交任务界面进行设置，详细参数在本帖的回帖中已经发布过，可以查阅一下。

建议你把服务器剂子设置为静态IP，不然你重启之后IP可能会发生变化，导致连接错误，重新查看一下你的服务器ip，重新设置下连接即可。

stereo render节点可用于从上游生成的深度图渲染场景的立体左眼和右眼视图，以及分析立体图像中存在的视差范围并估计图像中每个像素的观看舒适度，用于检测深度图的精确度，是否能满足制作需求。

在得到可用的深度图后，后续立体图像的制作、合成、色彩校正与渲染，镜头畸变的反向添加，需要在Nuke中完成。

提示是没有权限进入安装文件夹。如果想尽可能的稳定，请先确保你的操作系统是Windows官方原版的操作系统，另外关闭360等杀毒软件，360会导致大多数专业软件安装失败或者缺少组件。

我在Windows10，Window7原版操作系统上，Mac OS 10.13.6、Mac OS10.14.6上也多次安装过PFtrack 2017，未遇到过类似问题。

同一只镜头，在同一个焦段上，畸变是相同的。如果在镜头、焦段都相同的情况下，将棋盘格计算好的数据直接应用到序列就可以了。棋盘格的价值与意义在于：用一个相对容易计算，而且精度高的棋盘格来充当计算样本的，而不必去计算数量庞大的视频序列。

理论上而言，定焦镜头，只要算一次得到畸变参数，未来使用这只镜头拍摄的任何影片，都可以用之前计算好的参数，如果想要更加精确细致的结果，只需要计算焦距变化就好。

但对于可以改变焦段的镜头而言，会复杂很多，所以电影拍摄中一般使用定焦镜头，每个镜头的畸变参数是计算好的，后期直接用就可以。

使用 EOS Uitility从电脑端进行更新

1、将从页面上下载的文件放在计算机的桌面上或其它特定位置。

佳能EOS相机官方原生固件 ｜ 支持魔灯(Magic lattern)

2.1. 将通过相机格式化的SD卡插入相机。
2.2. 用USB接口电缆连接相机和计算机，然后打开相机电源。

3.1. 启动 EOS Utility。
3.2. 单击[相机设定]按钮。
3.3单击[固件升级]按钮。

4. 固件更新步骤将会出现。按照屏幕上显示的说明操作,并选择刚才已经下载好的固件。

5. 在相机上确认升级固件。
5.1. 此屏幕将出现在相机的液晶监视器中。
5.2. 如果按按钮，会出现确认屏幕，请查看所示的固件更新，按主拨盘选择[OK]，…[查看更多]

3DEqualizer的镜头畸变数据是可以完整的道出到Nuke的，并且可以在Nuke中进行反向、正向操作，根据我之前的测试实践有两种工具可以实现，并且都经过我反复的测试，这套工具是Weta 工作室的电影流程，我已经写作了详细的使用教程，以及工具代码都发布在了社区：

【3DEqualizer教程】将镜头畸变数据导出到NukeX Pipeline

在使用的时候注意下Nuke的版本号，插件目前支持的版本都是经过测试的，另外一种工具是直接将3de数据对接到 Nuke的 Lens distortion，从Nuke12开始，已经内置了3DE的原生镜头模型，但用起来有点卡，社区内也有提供。

最后将之前写过的Mantra渲染器的其他特色功能也汇总在这里：

1、Houdini可以非常迅速的制作、渲染光子场景，在Linux以及Windos系统中可以使用Nvdia显卡进行渲染降噪，实现高速渲染。
Houdini Mantra渲染器渲染流程【Open EXR渲染与深度合成】

2、Houdini支持基于Open EXR2.0之后版本的 深度渲染，可以搭配Nuke的深度合成流程使用。
【Houdini 渲染】使用 Mantra 渲染输出 Cryptomatte的方法详解

3、Houdini 还支持 Cryptomatte的渲染，可以搭配支持Cryptomatte的合成软件使用，比如在Nuke中使用Cryptomatte进行合成。

【Houdini 渲染】使用 Mantr…[查看更多]

采样设置的其他辅助参数：

此参数充当Min Ray Samples和Max Ray Samples的乘数，同时也是Noise Level的除数。例如，如果您将Min Ray Samples设置为1，Max Ray Samples设置为8并且您的噪声级别0.1设置为，然后将漫反射质量设置为2，Mantra 将根据 0.05 的噪声级别发送 2 到 16 个二级漫反射射线样本。请记住，这些数字仅适用于间接样本。Mantra 使用原始值进行所有直接采样。

Diffusequality（漫反射质量）：控制间接漫反射采样的质量。通常，间接光源（例如其他对象的表面和体积内散射的光）将是渲染中产生噪点的重要原因。…[查看更多]

Mantra渲染节点最重要的两组参数：采样与噪点

追光的理解：采样这个词不管是在三维制作还是2D图像处理、音频信号处理中都会经常遇到，采样是通过数学的方式来采集信号的过程，在拍摄以及录音中主要是用来将模拟信号转换为数字信号的计算过程。而在数字三维场景中，则是用数字来完整的模拟了物理世界采样的过程，在数字中创建数字。

Mantra采样的原理：生成图像时，Mantra 必须通过检查场景来确定每个像素在视场平面上的颜色值。Mantra 通过从相机的位置发出许多光线到场景中的对象来实现这一点。每次光线照射到一个物体时，它会返回一些关于该物体的信息（例如它的颜色）。这个过程可以广泛地描述为“采样”场景。

Mantra中的 Pixle Sample 就是采样精度大小： 默认为 3*3。想要…[查看更多]

在建立好场景后我们需要进行渲染，才能看到最终的画面结果，我们可以通过三种方式为当前项目添加渲染器，来查看当前场景的结果：

1、在渲染节点的参数编辑器中，单击Render to Disk或Render to Mplay。
2、在主菜单中选择渲染 ▸ 启动渲染器 ▸渲染节点。
3、单击查看器左侧工具箱中的 启动渲染按钮。

右键单击该按钮并选择要渲染的渲染输出节点，或选择View: Mantra来渲染当前视图。
在菜单中设置默认渲染节点后，单击该图标将使用该渲染节点。初始默认值呈现当前视图。

4、针对具备开发能力的用户，可以使用render HScript 命令或Python 中的hou.RopNode接口编写渲染脚本。

至今没有遇到过类似问题，我的操作流程：
1、将 Mov、Mp4等等格式的视频，通过 premiere 输出为 Jpg 序列。

2、在 PFtrack 中导入 jpg 序列到资源池中。

3、将 PFtrack 资源池中的素材通过拖动到节点图中。

这里有一点需要注意，PFtrack 不支持直接将素材添加进入，需要先将资源加载到 PFtrack 资源库。另外，仅仅使用 JPG 序列作为素材源，会更加高效，追踪本质上是通过算法比较不同照片上的相似点进行计算的，所以序列图片更利于系统直接对比计算。