人物を撮影したラベルなし動画に対してNoisy Studentの枠組みで学習でき、高い水準の精度まで到達できることを明らかにした。大規模に撮り溜めた動画像を再利用できるという観点でも有用な手法である。

公開データセットであるCUHK03, DukeMTMC, MSMT17においてそれぞれ5.7, 2.2, 2.3ptの向上が見られた。添付画像はMarket1501/DukeMTMCにおける調査研究。データセットのスケールとmAPが示されており、ImageNet事前学習（IN.sup.）と比較しても高い精度を実現。さらに、提案法を用いるとさらに精度向上（LUPxxx）。

計算リソースがあるのであれば、（ライバルが少なくなるという意味で）大規模事前学習すると良い、ということを示した論文のひとつである。大量に撮り溜めた動画データをいかに使用するか、という好例にもなりうる。