事前設定するパラメータkとλに基づき「k+1個のラベル」を出力するSoftened Labelを提案し、CNN(実験ではImageNet Pre-trainedのResNet-50を使用)がSoftened Labelを出力するように学習させ、画像同士の類似度を「画像の全体及び分割したパーツで見たときのCNNの特徴ベクトル」と「カメラの種類の違い」から計算してCNNの学習を繰り返す手法を提案した。

Market-1501、DukeMTMC-reID及びMARSのデータセットで、従来手法との比較を行い、教師なし学習ではSOTAの精度。

教師なしではSOTAで、パラメータ感度の検討も行われているため通ったと考えられる。なお、同じ実験条件では#209の「Unsupervised Person Re-identification via Multi-label Classification」の方が高い精度だが、本論文は異なるカメラに対するパラメータなどの調整が可能で、類似度ベースのアプローチとして意義はあるものと思われる。