التعرف على الأشخاص في البيئات المُعدّلة حسب المجال (re-ID) هو مهمة صعبة، خاصة عندما تكون هويات الأشخاص في المجالات المستهدفة غير معروفة. حاولت الطرق الحالية التغلب على هذه التحديات من خلال نقل أنماط الصور أو محاذاة توزيعات الميزات عبر المجالات، بينما لم تُستغل العينات غير المُعلّمة الغنية في المجالات المستهدفة بشكل كافٍ. تقدم هذه الورقة تقنية جديدة تُسمى التجميع التمييزي المُعزّز (AD-Cluster) والتي تُقدّر وتعزّز تجميعات الأشخاص في المجالات المستهدفة، وتحفّز قدرة النماذج على التمييز في مهام التعرف على الأشخاص. يتم تدريب AD-Cluster من خلال تجميع مكثّف مبني على الكثافة، وتوسيع عينات تكيفي، وتعلّم ميزات تمييزية. حيث يتعلّم النموذج مُولّد صور ومُشفر ميزات، بهدف تعظيم التنوّع الداخلي داخل التجميعات في فضاء العينات وتقليل المسافة الداخلية داخل التجميعات في فضاء الميزات بطريقة مُعاكسة (مُناقِضة) من نوع Min-Max. في النهاية، تُعزّز AD-Cluster تنوع تجميعات العينات وتحسّن بشكل كبير قدرة النماذج على التمييز في مهام التعرف على الأشخاص. أظهرت التجارب الواسعة على مجموعتي البيانات Market-1501 وDukeMTMC-reID أن AD-Cluster تتفوّق على أحدث الطرق بفارق كبير.