Joint Disentangling and Adaptation for Cross-Domain Person Re-Identification https://arxiv.org/pdf/2007.10315.pdf 源码：https://github.com/NVlabs/DG-Net-PP
解决跨域问题，也是属于图片迁移的，将特征分为身份相关信息和不相关信息，其实就是结构特征和外观颜色特征，然后用源域标签作为监督信息在目标域上训练。
Identity-Guided Human Semantic Parsing Learning for Person Re-Identification https://arxiv.org/pdf/2007.13467.pdf
监督学习，通过对齐身体部位、并且将背包属性加入了比对，身体部位对齐是通过适应性对其，会使用网络判定身体的不同部位，然后用特征向量表示出来。
Multiple Expert Brainstorming for Domain Adaptive Person Re-identification https://arxiv.org/pdf/2007.01546.pdf
使用多个模型在源域上训练，然后利用多个模型的平均特征作为目标域上的特征进行聚类，聚类过程是在整个目标集上进行聚类，聚类多少次是前期设定好的。
Global Distance-distributions Separation for Unsupervised Person Re-identification https://arxiv.org/pdf/2006.00752v1.pdf
是在损失函数的层面上优化网络，相对于triplet loss，这个损失是在全局的角度将相同的拉近，不同的推远。比对的特征是在目标数据集上提取到的特征。
Interpretable and Generalizable Person Re-identification with Query-adaptive Convolution and Temporal Lifting https://arxiv.org/pdf/1904.10424v3.pdf
之前的算法没有考虑待匹配 的两张输入图片之间的关系，这个算法是将最后的特征图再细分，进行小范围的逐个匹配，一张query要和所有的gallery图片进行匹配，是在比对度量方面的改进。
Unsupervised Domain Adaptation with Noise Resistible Mutual-Training for Person Re-identification https://zhaoj9014.github.io/pub/1391.pdf
从提升目标集伪标签准确性的角度出发，通过多个网络的输出，互学习，获得稳定的伪标签。在筛选准确标签的时候，根据triplet距离选择可信的标签。
Rethinking the Distribution Gap of Person Re-identification with Camera-based Batch Normalization https://arxiv.org/pdf/2001.08680.pdf 源码：https://github.com/automan000/Camera-based-Person-ReID
统计了相同摄像头中的统计信息，然后保证所有的统计信息都标准化为一种形式,使得同一个摄像头的图像都经过了相同的处理。
Joint Visual and Temporal Consistency for Unsupervised Domain Adaptive Person Re-Identification https://arxiv.org/pdf/2007.10854.pdf
在目标数据集上，在一个mini batch内，将不同的图片看为一类，将特征与分类器相乘，产生分数，分类器类似于特征银行，将这张图片进行数据增强，一张图片生成了好几张不同的图片，作为其比对的对象。在全局上，还是基于聚类的，不过这次聚类不只是基于特征的相似性，而且还是依赖于是空的信息。