إعادة التعرف على الأفراد (Re-ID) تواجه تحديين رئيسيين: نقص البيانات التدريبية المزدوجة العرض وتعلم الخصائص الحساسة للهوية والمتماثلة للعرض في وجود تباينات وضع كبيرة. في هذا البحث، نعالج هذين المشكلتين من خلال اقتراح نموذج جديد عميق لتوليد صور الأفراد لإنشاء صور أفراد واقعية مشروطة بالوضع. يعتمد النموذج على شبكة مولد متنافسة (GAN) مصممة خصيصًا لتطبيع الوضع في إعادة التعرف على الأفراد، ولذلك تم تسميتها بـ GAN لتطبيع الوضع (PN-GAN). باستخدام الصور المولدة، يمكننا تعلم نوع جديد من الخصائص العميقة لإعادة التعرف على الأفراد خالية من تأثير تباينات الوضع. نوضح أن هذه الخصائص قوية بحد ذاتها ومكملة للخصائص التي يتم تعلمها باستخدام الصور الأصلية. وبشكل مهم، تحت إعداد التعلم النقل، نوضح أن نموذجنا يعمم بشكل جيد إلى أي مجموعة بيانات جديدة لإعادة التعرف على الأفراد دون الحاجة إلى جمع أي بيانات تدريبية لضبط النموذج الدقيق. وبالتالي، فإن النموذج لديه القدرة على جعل نماذج إعادة التعرف على الأفراد قابلة للتدرج حقًا.