"隐显目标"是计算机视觉和强化学习两个领域的专业术语，分别用于描述物体或人脸在特定环境下（如暗光或高对比度）下能够被识别为有或无。在计算机视觉中，如果一个对象在高对比度环境下的可识别范围较小，那么这通常意味着该对象的某些属性比较隐秘或者难以识别；反之，则表示可以轻易识别。 而在强化学习中，目标函数（如最大化期望值的目标）往往具有特定的约束条件（例如“最大化图像或人脸的出现率”，即在不同环境下检测到尽可能多的物体）。因此，在这种情况下，我们需要根据这些目标来设计一个隐式、显式的监督信号。换句话说，如果我们在目标设置中已经明确地告诉强化学习系统需要检测出更多的人脸或者物体，那么就可以通过其他的方式实现这一点，比如增加一些条件生成器（如来自摄像头或图像数据的掩码）。 综上所述，"隐显目标"指的是在计算机视觉和强化学习中的不同需求。在计算机视觉中，我们关注的是识别物体的颜色、形状等信息；而在强化学习中，目标设定更多是关于物体是否被检测到，或者是如何有效地训练模型来提高其性能或准确率。