（注：前面提供了两种不靠谱的方法，觉得没意思的可以直接跳到后面）
如果是几年前，可能性不大。
但是！！！今天我可以告诉你，是有可能的。
首先我们要搞清楚vigil的干员装置究竟有什么效果。很简单，他可以在摄像头（指小车 drone）之下隐身，而却没有光学隐身效果，人眼可以直接看见。
那么，在现实中有没有实现的方法呢？
首先，我们需要明确，这是一种电子手段而不是光学手段。那么我们从电子手段上考虑，第一个想到的就是老牌007类电影里欺骗摄像头的方法：静态影象替换。
在老牌的007电影中，特工会将摄像头显示的画面替换成一张差不多一样的静态图片/视讯片段，从而让看摄像头的人察觉不到有人已经入侵了。
这是最最朴素的方法，但是问题很多。首先无论是静态图片还是视讯片段，都会不大自然。其次，如果环境发生了变化，那么就会露馅——比如你把门炸开了，但是摄像头里门还是好好的；或者有人进入了摄像头视角里，他的友军却没看到人，这就露馅了。
那么还有什么好方法呢？我们有一种很不靠谱的方法：
在vigil身上装一圈摄像头，同时找到敌方摄像头的位置，计算出vigil相对摄像头的角度和距离。
vigil身上摄像头拍摄到周围环境的图片以后，带入变换矩阵，变形以后覆盖在摄像头画面的对应位置（覆盖住vigil）。
↑↑这是一个简单的示意图↑↑
但是很快我就把这个方案毙掉了。原因如下
1、vigil面对的是灵活的小车，这个时候补足的画面很容易露出马脚；
2、干员的衣服都是软质（不考虑防弹插板），而摄像头安装在衣服上很难保证拍摄到想要的角度（摄像头朝向）。并且摄像头这种东西很容易因为行动、激烈的战斗而损坏或者污损；
3、这方法一点都不cooooooooooooool！！
所以，我们搬出了究极大杀器：人工智能！
我可不是在“遇事不决，人工智能”（好像不押韵），实际上现实中有很多人在做和vigil差不多的事情——补足缺损照片。
•注意！下图中存在密集斑点，可能会引起部分人的不适。
仔细看看，这个算法所做的，和vigil是不是很像？如果我们把vigil用一个框框画出来，标注为“缺失部分”，这不就是vigil要做的事情吗？
那么这么神奇的功能究竟是怎么做到的呢？
这就不得不提本世纪被认为最厉害的人工智能框架：GAN 生成对抗网络了 。
生成对抗网络的思路非常的有趣，并且它在进行“创造类”的事物（比如写诗、画画）的时候非常在行。
准确来说，GAN不是一个人工智能，而是两个人工智能。想一想你在小学的时候如何学习美术的？自己试着去画，然后老师给你打分。而这套“打分系统”，就是GAN的核心。
在GAN里有两个AI，一个叫“画家”，一个叫“鉴赏家”。
刚开始画家啥都不会，他就开始乱涂乱画（乱涂乱画的屑），然后把画出来的给鉴赏家要卖钱。
↑↑画家的“大作”↑↑
鉴赏家呢也不怎么厉害，但是他看过很多名作。如果鉴赏家觉得这幅画就是他看过的某个名作（当然他不可能记清每一幅画 只是大概觉得是名作），那么他就会买下这个画，否则就不买。
而画家的任务，就是画出足够欺骗过鉴赏家的“赝品”。当画家已经可以做到以假乱真的时候，画家就算“出师”了。
↑↑画成这样就可以出师了↑↑（图源未知，侵删）
这就是神奇的GAN。
我们只需要训练GAN，让他在我们划出来的空缺部分画画补全，并且它的补全可以以假乱真，就可以了。
我们可以在反恐地图里拍一些照片，然后挖掉一块，把原图给鉴赏家，挖过的图给画家，这个就是训练样本了。
如果让我来做这个装置，我会先改造一下vigil的衣服。
不知道大家有没有见过那种3D动捕的衣服，我会在vigil身上装一些标记点，这样可以在画面里很快的识别出vigil的位置，从而快速的把他“框出来”，用GAN生成一个假影象，再入侵到小车的画面里。
为啥用这个方法呢？因为它便宜啊。
捕捉点不容易损坏，而且识别也简单。
但是这个捕捉点会不会让vigil变成夜空中最亮的星呢？
你去问问THATCHER的发光头盔怎么看（划去）
这个其实可以用一些特殊材料来做，比如特别的反光材料之类的。这方面倒不是很复杂，就算最后实在不行也可以通过牺牲外观换取这个厉害的技能嘛！
最后我们还需要一个vigil身后背著的电子装置。从dokaebi的技能我们得知干员们的手机都是FDMA（分频多重进接）的。
（请注意第三列）
那vigil背后背的那个大概率是个基站，篡改了附近小车传回的画面。
所以综上所述，我们只需要拥有了便携的小型化基站、一个训练好的GAN、一套定制战衣，我们就可以在现实中实现vigil的技能了。这些科技都是现实中有的！并且比较成熟了。
所以什么时候能给我也整一个呢
