为什么有些军训迷彩服上面打满了马赛克?

2019 年 8 月 12 日 中科院物理所

本文转载自公众号“把科学带回家”(ID:steamforkids)


一些小朋友可能马上要开始军训了。如果你注意观察,会发现一些军训迷彩服长得很奇怪,它们看起来像被打了码,满脸都是马赛克——



不仅是军训迷彩服,在过去的20来年里,全世界的军队的分辨率开始变低了。看看以前的迷彩服——


telo mimetico 图案的迷彩服



这种布满马赛克的迷彩图案,叫做数码迷彩


2015年9月3日庆祝二战结束70年的阅兵式时,我国海军的迷彩服就采用了这种低分辨率的数码迷彩设计。



加拿大也采用 CADPAT(Canadian Disruptive Pattern)的像素化设计。


加拿大的数码迷彩图案 CADPAT


约旦的 KA2 数码迷彩设计——



美军的数码迷彩MARPAT——




现在军队的迷彩服,看起来就和我的世界里出来的一样,这是为啥呢?


按照常理来看,这好像不太科学啊。分辨率越高,越容易和环境融为一体,越难被人眼或者机器识别不是嘛?毕竟自然界里的物品很少是标准的方块像素点构成的嘛,在自然界里强行打码,不是反而容易引起注意吗?


实际上,和我们的直觉相反,现代像素化迷彩服的低分辨率,恰好能让人眼看不清楚穿迷彩服的人。



以前的那种线条流畅的迷彩服设计始于19世纪,模拟的是树叶等自然背景。设计迷彩图样的一个重要的方法就是利用分形来模拟大自然的自相似性,从而达到和背景融为一体的效果。


利用分形来得到隐藏目的的迷彩也叫分形迷彩(fractal camouflage),常见的意大利军队的迷彩 Vegetato 就是一个例子。


Vegetato 迷彩


但是后来迷彩的设计思路开始发生了变化。像章鱼一样和大自然融为一体当然可以隐藏自己,但是像斑马那样让敌人头晕目眩,抓不准自己和环境的边界也是一种隐藏自己的有效方法。



这种让别人看不清楚自己轮廓和结构的迷彩就叫做扰乱性迷彩(disruptive camouglage)。90年代诞生的数码迷彩就利用了这个原理。


实际上,加拿大政府是最早采用数码迷彩的国家。他们在90年代花了数百万美金研发了 CADPAT 数码迷彩。


加拿大军方的研究发现,和过去的单色军绿设计 Olive Drab 相比,新的 CADPAT 数码迷彩让穿着这种迷彩服的士兵在50-300米外的距离被发现的可能性降低了45%;穿着这种迷彩服,敌人必须要靠近35%才能分辨出士兵的轮廓。


军绿色  Olive Drab 


后来北约的其他国家也拿出了自家设计的迷彩服和加拿大的 CADPAT 做了比较。北约的实验发现,加拿大 CADPAT 隐藏效果超过了其他发达国家的迷彩服,比如美国的 Woodland,英国的 DPM,德国的Flectarn。


德国的Flectarn迷彩


2012年,北约的研究再次证明,加拿大的 CADPAT TW 这款迷彩是热带和亚热带地区最有效的迷彩服设计。


北约的研究发现,CADPAT TW 是适用于热带和亚热带地区的最有效的迷彩。

@Guy Cramer /  HyperStealth



因为加拿大的像素化迷彩服的成功,美国海军陆战队开始对数码迷彩展现出了很强的兴趣。后来,美国海军陆战队在加拿大政府的允许下开始使用这种像素化设计。经过改良的美国版本后来被称为 MARPAT。


美国的数码迷彩(左2)和加拿大的数码迷彩 CADPAT TW(右1)


在接受BBC专访时,MARPAT 数码迷彩图案最初的设计者和推广者,美军退役中校 Timonthy R. O'Neill 表示,一般来说,大的色块适合应付远距离侦查,小的色块适合应付近距离侦查。好的迷彩既要满足近距离隐蔽,又要满足远距离隐蔽。


这种适用于多种距离的迷彩服被称为多尺度迷彩Multi-scale camouflageO'Neill  指出,方块像素设计是多尺度迷彩的理想选择。


靠近看,像素形成的小色块能模拟自然环境,但是从远处看,像素融合形成的整体也能模拟树枝树冠等较大的背景图案。


军绿色(左),MARPAT 迷彩(中),以及老式迷彩 NATO camo(右)的隐藏效果对比。

@Guy Cramer /  HyperStealth


可是问题又回到了原点,为什么在近距离看的时候,像素这种反常识的设计反而比流畅的老款迷彩的效果要好呢?


O'Neill 认为,像素化的小方块能够增加抖动效应(dithering),支离破碎的离散色块可以打乱图案的轮廓,使人体的边界糊化。


抖动效应:由散点而不是连续线条构成的图像的边界模糊,这正适合迷彩的需要。


O’Neill 介绍,美国海军研究办公室(Office of Naval Research)曾经做过一些相关研究。在一项研究中,不同士兵们穿着 MARPAT 迷彩服,老式迷彩 NATO camo,以及单色服装接受检测。


MARPAT 迷彩(左),军绿色(中),以及老式迷彩 NATO camo (右)的隐藏效果对比。

@Guy Cramer /  HyperStealth


结果呢,只要1秒钟,传统的 NATO camo 迷彩服就被识别出来了,但是人眼识别 MARPAT 迷彩服却平均需要2.5秒钟。


美国海军陆战队后来自己做了许多研究,证明这种 MARPAT 的效果的确好于之前的 Olive Drab 单色设计;敌人要花3倍多的时间才能检测到用这种迷彩服掩盖的目标,而识别目标轮廓所花的时间则为2.5倍。


在作战的过程中,几秒钟的差异可能就能决定生死成败。马赛克画风的迷彩服的重要性可见一斑了。


2004年,美军就开始全面使用像素化的UCP (Universal Camouflage Pattern)设计。在美军的影响下,世界上的其他国家也开始跟风采用我的世界风的迷彩设计。


UCP 迷彩服



总之看完迷彩服的故事我们明白,想要快速遮掩肚腩或者双下巴什么的,搞件马赛克T恤,以打码的形象出现在别人眼中,就可以达到1秒显瘦,甚至降低存在感的效果叻。



无标注图片来自网络。

动态图片来源和参考资料储存于石墨:

https://shimo.im/docs/Q6V6tgTPqWJJCDt3/ 

来源:把科学带回家

编辑:AI

近期热门文章Top10

↓ 点击标题即可查看 ↓

1. 如果太阳biu的一声熄灭了,地球上会发生什么事情?

2. 每个摊煎饼的大妈,都是隐藏的流体力学专家

3. 你看的是《长安十二时辰》,我看的却是一部黑科技科普剧

4. 数学的深渊

5. 掉入海底一万米

6. 别人用脚、用声波都能打开瓶盖,为啥有的女生却拧不开?

7. 这是一篇理工男写的口红科普文

8. 声音最大能有多大?

9. 盲人看到的世界真是黑漆漆一片吗?

10. 用过的吸管不要扔,在火上烤一下,隔壁的小孩都...

点此查看以往全部热门文章


登录查看更多
1

相关内容

 【SIGGRAPH 2020】人像阴影处理,Portrait Shadow Manipulation
专知会员服务
28+阅读 · 2020年5月19日
斯坦福2020硬课《分布式算法与优化》
专知会员服务
118+阅读 · 2020年5月6日
【2020新书】如何认真写好的代码和软件,318页pdf
专知会员服务
63+阅读 · 2020年3月26日
《可解释的机器学习-interpretable-ml》238页pdf
专知会员服务
202+阅读 · 2020年2月24日
【论文】结构GANs,Structured GANs,
专知会员服务
14+阅读 · 2020年1月16日
【书籍推荐】简洁的Python编程(Clean Python),附274页pdf
专知会员服务
179+阅读 · 2020年1月1日
【强化学习】深度强化学习初学者指南
专知会员服务
179+阅读 · 2019年12月14日
【机器学习课程】Google机器学习速成课程
专知会员服务
164+阅读 · 2019年12月2日
那些酷炫的深度学习网络图怎么画出来的?
极市平台
28+阅读 · 2019年6月16日
AI 最大的挑战:也许我们从根上就错了
InfoQ
5+阅读 · 2019年6月14日
怎么画高大上的神经网络结构?试试这个!
有没有必要把机器学习算法自己实现一遍?
AI研习社
12+阅读 · 2017年11月27日
AI都干过什么让人细思极恐的事?
全球创新论坛
4+阅读 · 2017年9月15日
【原理】十个生成模型(GANs)的最佳案例和原理 | 代码+论文
GAN生成式对抗网络
8+阅读 · 2017年8月14日
GAN猫的脸
机械鸡
11+阅读 · 2017年7月8日
Arxiv
14+阅读 · 2020年1月27日
Real-time Scalable Dense Surfel Mapping
Arxiv
5+阅读 · 2019年9月10日
Precise Detection in Densely Packed Scenes
Arxiv
3+阅读 · 2019年4月8日
A General and Adaptive Robust Loss Function
Arxiv
8+阅读 · 2018年11月5日
VIP会员
相关VIP内容
 【SIGGRAPH 2020】人像阴影处理,Portrait Shadow Manipulation
专知会员服务
28+阅读 · 2020年5月19日
斯坦福2020硬课《分布式算法与优化》
专知会员服务
118+阅读 · 2020年5月6日
【2020新书】如何认真写好的代码和软件,318页pdf
专知会员服务
63+阅读 · 2020年3月26日
《可解释的机器学习-interpretable-ml》238页pdf
专知会员服务
202+阅读 · 2020年2月24日
【论文】结构GANs,Structured GANs,
专知会员服务
14+阅读 · 2020年1月16日
【书籍推荐】简洁的Python编程(Clean Python),附274页pdf
专知会员服务
179+阅读 · 2020年1月1日
【强化学习】深度强化学习初学者指南
专知会员服务
179+阅读 · 2019年12月14日
【机器学习课程】Google机器学习速成课程
专知会员服务
164+阅读 · 2019年12月2日
相关资讯
那些酷炫的深度学习网络图怎么画出来的?
极市平台
28+阅读 · 2019年6月16日
AI 最大的挑战:也许我们从根上就错了
InfoQ
5+阅读 · 2019年6月14日
怎么画高大上的神经网络结构?试试这个!
有没有必要把机器学习算法自己实现一遍?
AI研习社
12+阅读 · 2017年11月27日
AI都干过什么让人细思极恐的事?
全球创新论坛
4+阅读 · 2017年9月15日
【原理】十个生成模型(GANs)的最佳案例和原理 | 代码+论文
GAN生成式对抗网络
8+阅读 · 2017年8月14日
GAN猫的脸
机械鸡
11+阅读 · 2017年7月8日
Top
微信扫码咨询专知VIP会员