清华大学计算机系胡晓林、朱军团队合作提出仿生动态具身伪装系统

 人脸识别、目标检测等人工智能技术在带来便利的同时，也使公共空间中的隐私保护面临新的挑战。一种直观的应对思路是对抗伪装——在目标表面添加特制图案，让AI检测器“认不出”车辆或行人。但现有方法存在两个核心缺陷：一是骗过了AI却骗不过人眼。由于人类的生物视觉与深度学习模型的人工视觉在感知机制上的根本差异，现有对抗伪装往往会产生人眼一望即知的醒目花纹，反之面向人类视觉设计的传统伪装又难以可靠地规避现代检测器；二是已有方法大多输出静态印刷图案，缺乏对动态环境的适应能力，导致在某一个环境中合适的伪装到另一个环境后效果会大幅下降。因此，如何设计一种既视觉自然、又能同时规避生物与人工视觉、并能适应真实物理世界的统一伪装系统，成为亟待解决的难题。

近日，清华大学计算机系教授胡晓林、朱军团队联合清华大学心理系、北京大学生命科学学院合作者，提出了一种名为CephCam的仿生动态具身伪装系统。该系统受头足类动物“眼-脑-皮肤”闭环伪装机制的启发，将环境色彩感知、对抗纹理生成与物理显示补偿统一于单一闭环之中，可在多样的数字与物理环境中同时规避人类观察者与AI目标检测器。

研究团队从自然界的“伪装大师”头足类动物中获得启发。乌贼、章鱼等头足类动物通过一套精巧的“眼-脑-皮肤”闭环动态调整体表的图案与颜色，从而与多样环境无缝融合：眼睛感知环境视觉信息，大脑据此提取统计特征并生成相应图案，皮肤再通过调节数以百万计、各自相当于一个“像素”的色素细胞将图案显示出来。

借鉴这一机制，团队提出的CephCam将感知、计算与显示组织为一个工程化的“眼-脑-皮肤”闭环系统，并在一台模型车上完成了实现与验证。作为“眼睛”的专用相机感知周围环境，通过主色提取（PCE）算法获取环境主色调，为伪装的自然性奠定基础；作为“大脑”的本地处理器与云端服务器通过环境感知伪装生成（ECG）算法生成对抗纹理——在以Gumbel-Softmax实现可微分颜色迁移的同时，借助目标检测损失、分类损失与全变分平滑损失的联合优化降低检测器的识别置信度——并通过模板匹配与实时学习两种模式、以及多检测器集成策略，兼顾适应速度、伪装效果与跨黑盒模型的迁移能力；作为“皮肤”的OLED屏幕负责将图案显示于车身，并由动态颜色映射网络ColorNet对不同视角与光照下的色彩偏移进行实时补偿，从而弥合数字设计与物理显示之间的差异。其中，本地处理器上的模板匹配模式可在约0.4秒内完成对新环境的快速适配，云端的实时学习模式则以约2.5分钟的优化换取更强的自然性与对抗效果，二者结合实现了速度与质量的平衡。

CephCam受头足类动物启发的“眼-脑-皮肤”具身伪装系统总体框架

团队在计算机仿真与实物两种条件下检验了CephCam的效果。实物测试中，团队将装有OLED屏幕的1:12缩比车模摆放在打印出的涵盖城市、沙漠、森林、夜晚、雪地等多种不同环境的场景图前，再用相机采集真实数据之后输入AI进行检测评估，验证不同角度和距离下CephCam的AI伪装能力。团队还招募112名志愿者完成了行为测试实验，从检测成功率与反应时间两个维度直接验证CephCam伪装对人类主动视觉搜索的干扰。结果显示，CephCam在显著降低AI检测成功率的同时，其自然性在主观与客观指标上均优于DTA、FCA等代表性方法，实现了“既能骗过AI、又能骗过人眼”的双重目标。这一结果同时表明，对人类而言，视觉上自然合理的伪装也能够有效抑制现代检测器，揭示出生物视觉与人工视觉系统之间潜在的共同失效模式。

相关研究成果以“面向生物与人工视觉同时规避的仿头足类具身伪装系统”（Cephalopod-inspired embodied camouflage system for simultaneous evasion of artificial and human visual perception）为题，于10月26日在期刊《自然·通讯》（Nature Communications）上发表。

清华大学计算机系博士后朱小佩、网络科学与网络空间研究院博士生张炯辰、心理系助理教授王立元为共同第一作者；清华大学计算机系胡晓林教授、朱军教授为论文共同通讯作者；北京大学生命科学学院助理教授梁希同深度参与和推进了本项研究工作。

论文链接：

https://www.nature.com/articles/s41467-026-78334-x

供稿：计算机系

编辑：李倩

审核：王晓霞