深度学习优化颜色以实现伪装或突显主体

布里斯托大学的研究人员开发了一种深度学习神经网络，可以识别最小化或最大化的最佳色彩，以便主体融入背景或突显出来。在论文中，团队具体描述了网络及其可能的用途。

在自然界中，变换色彩非常重要。在某些情况下，它可以在吸引配偶的过程中发挥作用，它可以用来躲避掠食者。而在其他一些情况下，它也可以帮助捕食者在捕猎中更隐蔽。

老虎就是一个典型的例子。它明亮的橙色和黑色似乎很容易暴露在丛林背景下的绿色中。但它的猎物，不同类型的鹿，都是色盲，老虎看起来是绿色和黑色的。

在这项新的努力中，研究人员试图建立一个系统，可以揭示哪种颜色最适合与哪种背景混搭，或者反过来，哪种颜色最显眼。

为了实现这一目标，研究人员转向深度学习神经网络。通过对其进行编程以了解所需内容，然后分析许多背景和动物的照片，该系统确定了一个有机体的最佳颜色，以避免被某些其他生物看到或使其色彩更显著，这取决于它们的视觉能力。

结果，网络正确地选择了橙色作为老虎的颜色。它们注意到哺乳动物不能生长绿色皮毛，因此老虎是橙色的。但并没有解释为什么鹿没有进化出看到橙色的能力。

此外，在对人类进行测试时，他们发现，具有双色视觉（色盲）的观察者需要更长时间才能发现色彩强烈的动物。另一方面，那些具有三色（正常）视力的人非常善于识破伪装。团队认为该网络可以成为一个有用的工具，可以更好地理解色彩对于在自然界中生活的动物的作用。

论文： royalsocietypublishing.org/doi/10.1098/rsif.2019.0183